线性回归模型训练机器学习代码实现

线性回归是一种简单的机器学习模型，用于预测数值型目标变量。以下是使用Python的scikit-learn库实现线性回归的基本步骤：

# 导入所需库
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression
from sklearn import metrics
import pandas as pd

# 假设数据已经加载到一个DataFrame 'data'
# X是特征列，y是目标变量列
X = data[['feature1', 'feature2']] # 替换为实际的特征列名
y = data['target'] # 替换为目标变量列名

# 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)

# 创建并训练线性回归模型
model = LinearRegression()
model.fit(X_train, y_train)

# 预测
y_pred = model.predict(X_test)

# 评估模型性能
print('Mean Absolute Error:', metrics.mean_absolute_error(y_test, y_pred))
print('Mean Squared Error:', metrics.mean_squared_error(y_test, y_pred))
print('Root Mean Squared Error:', np.sqrt(metrics.mean_squared_error(y_test, y_pred)))

#