已经训练好的模型怎么得到他的斜率和截距

在机器学习中，已经训练好的线性模型，例如通过梯度下降法拟合数据的简单线性回归模型，其斜率和截距可以从模型对象的属性中直接获取。在Python的`sklearn`库中，如果你使用了`LinearRegression`模型，你可以这样做：

from sklearn.linear_model import LinearRegression

# 假设你已经有了一个名为model的线性回归模型实例
model = LinearRegression()
model.fit(X_train, y_train)  # 先训练模型，X_train是输入特征，y_train是目标变量

# 获取斜率（即权重）
slope = model.coef_[0]

# 获取截距
intercept = model.intercept_

# 如果你是用numpy数组操作，可以直接使用dot产品计算斜率
# slope = np.dot(np.linalg.inv(X_train.T @ X_train), X_train.T @ y_train)[0]
# 或者
# slope = np.sum((y_train - intercept) / X_train[:, 0])

print(f"斜率（权重）：{slope}")
print(f"截距：{intercept}")

这里，`coef_`属性返回的是每个特征对应的一列系数，如果是单变量模型，`coef_[0]`就是斜率。`intercept_`则是模型的截距项。