读取 spiral.txt 文件, 定义线性回归模型 整理训练集数据，并绘制训练模型，打印 R2 得分

在Python中，要读取名为`spiral.txt`的文件并用其数据训练线性回归模型，可以按照以下步骤操作：

首先，你需要导入必要的库：

import numpy as np
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression
from sklearn.metrics import r2_score
import matplotlib.pyplot as plt

然后，加载文件内容，假设文本文件是一列二维坐标对，每行代表一对值：

# 打开文件并读取数据，这里假定文件是以逗号分隔的数值
with open('spiral.txt', 'r') as file:
    data = [list(map(float, line.strip().split(','))) for line in file]

接下来，整理数据为特征（X）和目标变量（y）：

X = np.array([row[:-1] for row in data])
y = np.array([row[-1] for row in data])

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)

定义并训练线性回归模型：

model = LinearRegression()
model.fit(X_train, y_train)

预测和计算R^2得分：

y_pred = model.predict(X_test)
r2 = r2_score(y_test, y_pred)
print("R2得分:", r2)

最后，如果需要可视化训练结果，可以画出实际值与预测值的关系图：

plt.scatter(X_test[:, 0], y_test, color='blue')
plt.plot(X_test[:, 0], y_pred, color='red', linewidth=2)
plt.xlabel('特征1')
plt.ylabel('目标变量')
plt.legend(['实际值', '预测值'])
plt.show()

记得替换上述代码中的文件路径和数据预处理部分，以适应实际情况。如果你的数据格式不是预期的，可能需要调整解析数据的部分。