写一个读入csv文件的构建线性回归模型并输出模型评价的python代码

以下是一个简单的读入csv文件并使用线性回归模型进行预测并输出评价指标的Python代码：

import pandas as pd
from sklearn.linear_model import LinearRegression
from sklearn.metrics import mean_squared_error, r2_score

# 读入CSV文件
data = pd.read_csv('data.csv')

# 将数据集分为训练集和测试集
train_data = data.iloc[:80]
test_data = data.iloc[80:]

# 构建特征矩阵和目标向量
X_train = train_data.drop('y', axis=1)
y_train = train_data['y']
X_test = test_data.drop('y', axis=1)
y_test = test_data['y']

# 构建线性回归模型
model = LinearRegression()

# 训练模型
model.fit(X_train, y_train)

# 预测测试集结果
y_pred = model.predict(X_test)

# 输出模型评价指标
print('均方误差: %.2f' % mean_squared_error(y_test, y_pred))
print('决定系数: %.2f' % r2_score(y_test, y_pred))

这里假设数据集中有一个名为"data.csv"的CSV文件，其中包含特征和目标变量。通过使用Pandas库的read_csv函数，我们可以将数据读入到一个名为"data"的Pandas DataFrame中。然后，我们将数据集分为训练集和测试集，并使用特征矩阵和目标向量构建线性回归模型。最后，我们使用测试集对模型进行评估，并输出均方误差和决定系数两个评价指标。