机器学习线性回归单变量线性回归代码

单变量线性回归是一种基本的机器学习模型，它预测因变量与一个自变量之间的线性关系。以下是使用Python的scikit-learn库实现单变量线性回归的一个简单例子：

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

# 假设我们有一个数据集df，其中包含特征'X'和目标变量'y'
X = df['X'].values.reshape(-1, 1)  # 将列转换为二维数组
y = df['y'].values.reshape(-1, 1)

# 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=42)

# 创建并训练模型
model = LinearRegression()
model.fit(X_train, y_train)

# 预测
y_pred = model.predict(X_test)

# 输出模型系数和截距
print("模型参数: 直线斜率 (coef): ", model.coef_, "截距 (intercept): ", model.intercept_)