用python解决线性回归问题实例

在Python中，可以使用scikit-learn库中的LinearRegression类来解决线性回归问题。下面是一个简单的例子，展示如何使用这个库预测房价：

# 导入所需的库
import numpy as np
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression
from sklearn import metrics

# 假设我们有如下数据 (特征X, 目标值y)
# 这里假设数据来自文件或者已经准备好
X = np.array([[1, 1], [1, 2], [2, 2], [2, 3]])
y = np.array([1, 3, 5, 7])

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=0)

# 创建并训练线性回归模型
model = LinearRegression()
model.fit(X_train, y_train)

# 预测测试集的结果
y_pred = model.predict(X_test)

# 计算模型性能指标
print('Mean Absolute Error:', metrics.mean_absolute_error(y_test, y_pred))
print('Mean Squared Error:', metrics.mean_squared_error(y_test, y_pred))
print('Root Mean Squared Error:', np.sqrt(metrics.mean_squared_error(y_test, y_pred)))

#