python建立线性回归模型

要建立一个线性回归模型，需要使用Python中的scikit-learn库。下面是一个简单的例子：

首先，导入必要的库：

import numpy as np
from sklearn.linear_model import LinearRegression

接下来，准备数据。我们将使用一个包含房价和房屋面积的数据集。

# 输入数据
X = np.array([[1400, 3], [1600, 3], [1700, 2], [1875, 4], [1100, 2], [1550, 4], [2350, 4], [2450, 5], [1425, 3], [1700, 3]])
# 输出数据
y = np.array([245000, 312000, 279000, 308000, 199000, 219000, 405000, 324000, 319000, 255000])

接下来，创建一个线性回归模型，并使用输入和输出数据进行训练：

# 创建模型对象
model = LinearRegression()

# 使用输入和输出数据对模型进行训练
model.fit(X, y)

现在，我们可以使用模型进行预测。例如，我们可以预测一个房屋面积为2000平方英尺，有3个卧室的房子的价格：

# 预测房价
print(model.predict([[2000, 3]]))

最后，我们可以获取模型的系数和截距：

# 获取模型的系数和截距
print('Coefficient: \n', model.coef_)
print('Intercept: \n', model.intercept_)