python求解线性回归

可以使用Python中的scikit-learn库来求解线性回归问题。以下是一个简单的例子：

首先，导入必要的库：

import numpy as np
from sklearn.linear_model import LinearRegression

然后，定义输入和输出数据：

# 输入数据
X = np.array([[1, 1], [1, 2], [2, 2], [2, 3]])
# 输出数据
y = np.dot(X, np.array([1, 2])) + 3

创建线性回归模型：

# 创建线性回归模型
model = LinearRegression()

使用训练数据拟合模型：

# 拟合模型
model.fit(X, y)

预测新的数据：

# 预测新数据
X_test = np.array([[3, 5], [4, 6]])
y_test = model.predict(X_test)
print(y_test)

以上就是一个简单的线性回归求解过程。需要注意的是，在实际应用中需要进行数据预处理、特征工程等操作，以获得更好的模型效果。