这里会丢失精度，我需要做定点化处理

如果你需要在一维线性回归中进行定点化处理以避免浮点数的精度丢失，你可以使用定点数表示浮点数。一种常见的方式是使用固定小数点表示法，其中小数点位置固定在固定的位数上。

下面是一个使用定点数进行一维线性回归的示例代码：

#include <stdio.h>

// 定义训练数据
int x[] = {1000, 2000, 3000, 4000, 5000}; // 自变量 x，放大1000倍
int y[] = {3000, 5000, 7000, 9000, 11000}; // 因变量 y，放大1000倍

// 定义定点数相关参数
int scale = 1000; // 放大倍数
int decimal_digits = 3; // 小数点后位数

// 计算定点数的乘法
int multiply(int a, int b) {
    return (a * b) / scale;
}

// 计算定点数的除法
int divide(int a, int b) {
    return (a * scale) / b;
}

// 计算线性回归的斜率和截距
void linearRegression(int* x, int* y, int n, int* slope, int* intercept) {
    int sum_x = 0, sum_y = 0, sum_xy = 0, sum_xx = 0;

    // 计算各项和
    for (int i = 0; i < n; i++) {
        sum_x += x[i];
        sum_y += y[i];
        sum_xy += multiply(x[i], y[i]);
        sum_xx += multiply(x[i], x[i]);
    }

    // 计算斜率和截距
    *slope = divide((n * sum_xy - multiply(sum_x, sum_y)), (n * sum_xx - multiply(sum_x, sum_x)));
    *intercept = divide((sum_y - multiply(*slope, sum_x)), n);
}

int main() {
    int slope, intercept;
    int n = sizeof(x) / sizeof(x[0]); // 计算数据点的个数

    // 计算线性回归
    linearRegression(x, y, n, &slope, &intercept);

    printf("斜率： %d.%0*d\n", slope / scale, decimal_digits, slope % scale);
    printf("截距： %d.%0*d\n", intercept / scale, decimal_digits, intercept % scale);

    return 0;
}

在这个示例中，我们将训练数据 `x` 和 `y` 放大了1000倍，相当于将小数点右移了3位。通过使用 `multiply` 和 `divide` 函数进行定点数的乘法和除法运算，我们可以在整数的基础上进行乘法和除法操作。

最后，在打印结果时，我们将斜率和截距除以放大倍数，并使用 `%0*d` 格式化输出小数点后位数。

请注意，这只是一个简单的示例，你可能需要根据你的需求进行适当的调整和扩展。定点化处理可能会引入一些额外的复杂性和计算开销，因此在实际应用中需要仔细考虑。