python线性回归简单实例

可以使用Python中的Scikit-learn库来实现线性回归。下面是一个简单的实例：

# 导入库
import numpy as np
from sklearn.linear_model import LinearRegression

# 定义输入数据
X = np.array([1, 2, 3, 4, 5]).reshape(-1, 1)
y = np.array([3, 5, 7, 9, 11])

# 创建一个线性回归模型
model = LinearRegression()

# 训练模型
model.fit(X, y)

# 预测新数据
X_new = np.array([6]).reshape(-1, 1)
y_new = model.predict(X_new)

# 打印预测结果
print(y_new)

输出：

[13.]

这个实例中，我们使用了一个简单的一元线性回归模型来预测输入为6时的输出值。我们创建了一个`LinearRegression`对象，将输入数据`X`和输出数据`y`传入`fit`方法来训练模型。然后，我们使用`predict`方法来预测新数据`X_new`的输出值`y_new`。