用Python写一个一元线性回归模型

好的，以下是用Python编写一元线性回归模型的代码：

import numpy as np
import matplotlib.pyplot as plt

# 输入X和Y数据
X = [1, 2, 3, 4, 5]
Y = [2, 4, 5, 4, 5]

# 计算X和Y的平均值
mean_x = np.mean(X)
mean_y = np.mean(Y)

# 计算斜率和截距
num = 0
denom = 0
for i in range(len(X)):
    num += (X[i] - mean_x) * (Y[i] - mean_y)
    denom += (X[i] - mean_x) ** 2
m = num / denom
b = mean_y - m * mean_x

# 输出模型参数
print("斜率 m =", m)
print("截距 b =", b)

# 绘制数据和回归线
plt.scatter(X, Y)
plt.plot(X, [m*x+b for x in X], 'r')
plt.show()

这段代码会输出线性回归模型的斜率和截距，并且绘制出数据和回归线的图形。请注意，这仅仅是一个简单的例子，实际上线性回归模型可能会涉及更复杂的数据集和计算方式。