机器学习线性回归的代码示例

当然，下面是一个简单的机器学习线性回归的代码示例：

import numpy as np
from sklearn.linear_model import LinearRegression

# 定义训练数据集
X = np.array([[1], [2], [3], [4], [5]])
y = np.array([2, 4, 6, 8, 10])

# 创建线性回归模型对象
model = LinearRegression()

# 使用训练数据集训练模型
model.fit(X, y)

# 进行预测
X_test = np.array([[6], [7]])
y_pred = model.predict(X_test)

print(y_pred)  # 输出预测结果

这是一个简单的线性回归示例，使用了scikit-learn库中的LinearRegression类。首先，定义了训练数据集X和y，其中X是自变量，y是因变量。然后，创建了一个线性回归模型对象model，并使用fit()方法进行训练。最后，使用predict()方法对新的数据进行预测，并输出结果。

注意：这只是一个简单的示例，请根据实际情况进行修改和调整。