用机器学习的相关内容写一份实现最小二乘法实现线性回归的代码

在Python中，我们可以使用scikit-learn库来实现最小二乘法的线性回归。下面是一个简单的例子：

# 导入必要的库
from sklearn.linear_model import LinearRegression
import numpy as np

# 创建随机数据集模拟线性关系
np.random.seed(0) # 设置随机种子保证结果可复现
X = np.random.rand(100, 1) # 随机特征向量 (100样本，1维)
y = 2 + 3 * X + np.random.randn(100, 1) # 线性模型 y = 2 + 3x + noise

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

# 获取模型参数
slope = model.coef_[0] # 斜率
intercept = model.intercept_ # 截距

# 输出模型的预测函数
def predict(x):
    return slope * x + intercept

# 示例预测
test_data = np.array([[0.5], [0.8]])
predictions = predict(test_data)
print(f"预测值：{predictions}")

#