LinearRegression调用及返回值的详细解释

LinearRegression 可以通过以下方式进行调用：

from sklearn.linear_model import LinearRegression

# 创建线性回归模型对象
model = LinearRegression()

# 训练模型
model.fit(X, y)

# 预测
y_pred = model.predict(X)

调用步骤详细解释如下：
1. 导入 LinearRegression 类。
2. 创建一个 LinearRegression 的实例对象 model。
3. 使用 `fit()` 方法对模型进行训练，其中 X 是训练数据的自变量特征矩阵，y 是目标变量的向量。
4. 使用 `predict()` 方法对模型进行预测，传入自变量特征矩阵 X，并将预测结果存储在 y_pred 中。

返回值的解释如下：
- `fit()` 方法没有返回值。它会修改模型对象自身的属性，以便存储训练过程中得到的参数和统计信息。
- `predict()` 方法返回一个数组，其中包含使用训练好的模型对输入数据进行预测得到的目标变量的预测值。预测值与输入数据的样本顺序一一对应。

需要注意的是，训练数据和预测数据的特征矩阵 X 的形状应保持一致，即行数表示样本数量，列数表示特征数量。预测结果 y_pred 的形状与目标变量 y 的形状也应一致。