利用Java完成一元线性回归算法的编写，至少包含以下几个模块：Linear_Regression、linear_regression_test；

下面是一元线性回归算法的Java实现代码：

Linear_Regression.java

public class Linear_Regression {
    private double[] x; //自变量
    private double[] y; //因变量
    private double beta0; //截距
    private double beta1; //斜率
    private int n; //样本数量

    public Linear_Regression(double[] x, double[] y) {
        this.x = x;
        this.y = y;
        this.n = x.length;
        fit();
    }

    // 计算斜率和截距
    private void fit() {
        double sum_x = 0.0, sum_y = 0.0, sum_xy = 0.0, sum_x2 = 0.0;
        for (int i = 0; i < n; i++) {
            sum_x += x[i];
            sum_y += y[i];
            sum_xy += x[i] * y[i];
            sum_x2 += x[i] * x[i];
        }
        beta1 = (n * sum_xy - sum_x * sum_y) / (n * sum_x2 - sum_x * sum_x);
        beta0 = (sum_y - beta1 * sum_x) / n;
    }

    // 预测
    public double predict(double x0) {
        return beta0 + beta1 * x0;
    }

    // 获取斜率
    public double getSlope() {
        return beta1;
    }

    // 获取截距
    public double getIntercept() {
        return beta0;
    }
}

linear_regression_test.java

public class linear_regression_test {
    public static void main(String[] args) {
        double[] x = new double[]{1, 2, 3, 4, 5};
        double[] y = new double[]{2, 4, 5, 4, 5};
        Linear_Regression model = new Linear_Regression(x, y);
        System.out.println("斜率：" + model.getSlope());
        System.out.println("截距：" + model.getIntercept());
        System.out.println("预测x=6时的值：" + model.predict(6));
    }
}

这里的例子是通过自己编写的Linear_Regression类，对简单的数据进行线性回归，并输出斜率、截距以及预测结果。如果要使用该类进行更复杂的线性回归，需要在fit()方法中加入更复杂的处理逻辑。