python线性回归代码

以下是一个简单的Python线性回归代码示例：

import numpy as np
import matplotlib.pyplot as plt

# 创建一个随机数据集
np.random.seed(0)
X = np.random.rand(100, 1)
y = 2 + 3 * X + np.random.rand(100, 1)

# 绘制数据集散点图
plt.scatter(X, y, s=10)
plt.xlabel('X')
plt.ylabel('y')
plt.show()

# 使用梯度下降算法实现线性回归
learning_rate = 0.1
n_iterations = 1000
theta = np.random.randn(2, 1)
X_b = np.c_[np.ones((100, 1)), X]

for iteration in range(n_iterations):
    gradients = 2 / 100 * X_b.T.dot(X_b.dot(theta) - y)
    theta = theta - learning_rate * gradients

# 绘制拟合直线
X_new = np.array([[0], [1]])
X_new_b = np.c_[np.ones((2, 1)), X_new]
y_predict = X_new_b.dot(theta)
plt.plot(X_new, y_predict, "r-")
plt.scatter(X, y, s=10)
plt.xlabel('X')
plt.ylabel('y')
plt.show()

这个代码使用NumPy和Matplotlib库来创建一个随机的数据集，并使用梯度下降算法实现线性回归。最终，拟合的直线通过Matplotlib库进行可视化。