import numpy as np import matplotlib.pyplot as plt from sklearn.linear_model import LinearRegression x=np.array([103,198,52,40]) r=np.array([0.28,0.21,0.23,0.25]) q=np.array([0.025,0.015,0.055,0.026]) p=np.array([0.01,0.02,0.045,0.065]) X=x y=x*(1+r)-x*(q+p) m = LinearRegression m.fit(X,y,4) plt.scatter(X[:, 0], y, color='blue', label='Actual') # 绘制拟合线 x_line = np.linspace(0, 6, 100) y_line = m.predict(np.column_stack((x_line, x_line*4))) plt.plot(x_line, y_line, color='red', label='Fitted') # 设置图形标签和标题 plt.xlabel('X') plt.ylabel('Y') plt.title('Multiple Linear Regression') # 添加图例 plt.legend() # 显示图形 plt.show()

在你的代码中，有几个地方需要进行修改：

1. `LinearRegression` 是一个类，你需要实例化一个对象来使用它，而不是直接使用类名。将 `m = LinearRegression` 修改为 `m = LinearRegression()`。

2. `m.fit(X,y,4)` 应该修改为 `m.fit(X.reshape(-1, 1), y.reshape(-1, 1))`。`fit()` 函数的参数应该是两个数组，并且需要将 `X` 和 `y` 改为二维数组形式。

3. `y_line = m.predict(np.column_stack((x_line, x_line*4)))` 应该修改为 `y_line = m.predict(np.column_stack((x_line, x_line*(1+r)-x_line*(q+p))))`。这样才能根据模型预测出适当的 y 值。

修改后的代码如下所示：

import numpy as np
import matplotlib.pyplot as plt

from sklearn.linear_model import LinearRegression

x = np.array([103, 198, 52, 40])
r = np.array([0.28, 0.21, 0.23, 0.25])
q = np.array([0.025, 0.015, 0.055, 0.026])
p = np.array([0.01, 0.02, 0.045, 0.065])

X = x
y = x * (1 + r) - x * (q + p)

m = LinearRegression()
m.fit(X.reshape(-1, 1), y.reshape(-1, 1))

plt.scatter(X[:, 0], y, color='blue', label='Actual')

# 绘制拟合线
x_line = np.linspace(0, 6, 100)
y_line = m.predict(np.column_stack((x_line, x_line*(1+r)-x_line*(q+p))))
plt.plot(x_line, y_line, color='red', label='Fitted')

# 设置图形标签和标题
plt.xlabel('X')
plt.ylabel('Y')
plt.title('Multiple Linear Regression')

# 添加图例
plt.legend()

# 显示图形
plt.show()

请尝试运行修改后的代码，并查看绘制的图形是否符合你的预期。