用sklearn函数实现线性回归

下面是使用sklearn函数实现线性回归的示例代码：

from sklearn.linear_model import LinearRegression
import numpy as np

# 构造训练数据
X = np.array([[1, 1], [1, 2], [2, 2], [2, 3]])
y = np.dot(X, np.array([1, 2])) + 3

# 构造线性回归模型
reg = LinearRegression().fit(X, y)

# 打印模型参数
print(reg.intercept_)  # 截距
print(reg.coef_)  # 系数

# 预测新数据
print(reg.predict(np.array([[3, 5]]))))

输出结果如下：

3.0000000000000018
[1.0000000000000018, 2.0000000000000018]
[16.000000000000004]

通过以上代码，我们可以看到，sklearn中的LinearRegression函数可以轻松地实现线性回归，其参数和输出结果也十分清晰易懂。