python写出线性回归模型，并且输出预测值和偏置

好的，以下是一个简单的线性回归模型的Python代码，包含预测值和偏置的输出：

import numpy as np

# 定义线性回归模型类
class LinearRegression:
    def __init__(self):
        self.w = None
        self.b = None

    def train(self, X, y):
        # 训练模型，求解参数w和b
        X = np.hstack([X, np.ones((X.shape[0], 1))]) # 将偏置b加入特征向量
        self.w, self.b = np.linalg.lstsq(X, y, rcond=None)[0]

    def predict(self, X):
        # 预测值
        X = np.hstack([X, np.ones((X.shape[0], 1))]) # 将偏置b加入特征向量
        y_pred = np.dot(X, np.hstack([self.w, self.b]))
        return y_pred

# 生成随机数据
X = np.random.rand(100, 1)
y = 2 * X + 1 + np.random.randn(100, 1) * 0.1

# 训练模型并输出预测值和偏置
model = LinearRegression()
model.train(X, y)
print("预测值：", model.predict(X))
print("偏置：", model.b)

在这个例子中，我们使用NumPy库生成了一组随机数据，然后定义了一个`LinearRegression`类来训练模型和预测值。`train`方法使用最小二乘法求解参数w和b，`predict`方法用来计算预测值。最后，我们使用训练好的模型输出预测值和偏置。