1、完成简单线性回归 1）获取数据，取75%的数据作为训练集，其余作为测试集； 2）使用sklearn中的LinearRegression对训练集数据进行拟合； 3）使用测试集测试拟合效果，并使用R方评价模型。

在Python中使用scikit-learn库完成简单线性回归的步骤如下：

1. 导入所需库：

import numpy as np
import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression
from sklearn.metrics import r2_score

2. 加载或生成数据集（假设已有一个名为df的数据框，包含特征X和目标变量y）：

X = df['feature_column'].values.reshape(-1, 1) # 特征列
y = df['target_column']                         # 目标变量列

# 数据预处理，如归一化或标准化，如果需要

3. 划分训练集和测试集：

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.25, random_state=42)

4. 创建并训练线性回归模型：

model = LinearRegression()
model.fit(X_train, y_train)

5. 预测测试集结果：

y_pred = model.predict(X_test)

6. 计算R方得分评估模型性能：

r2 = r2_score(y_test, y_pred)
print(f"R^2 Score: {r2}")