线性回归模型的python代码

线性回归是一种用于建立变量之间线性关系的模型，其目的是寻找一个最佳拟合直线，将自变量和因变量之间的关系用一条直线来表示。下面是使用Python实现线性回归模型的示例代码：

import numpy as np
import pandas as pd
from sklearn.linear_model import LinearRegression

# 读取数据
data = pd.read_csv("data.csv")

# 分离自变量和因变量
X = data.iloc[:, :-1].values
y = data.iloc[:, 1].values

# 创建模型并拟合数据
regressor = LinearRegression()
regressor.fit(X, y)

# 预测新数据
y_pred = regressor.predict([])

# 输出结果
print("斜率：", regressor.coef_)
print("截距：", regressor.intercept_)
print("预测值：", y_pred)

以上代码中，首先使用pandas库读取数据，并将自变量和因变量分离出来。然后使用sklearn库中的LinearRegression()函数创建模型，并使用fit()方法拟合数据。接着使用predict()方法对新数据进行预测，最后输出模型的斜率、截距和预测值。