编写线性回归模型的算法代码

以下是一个简单的Python代码实现线性回归模型的算法：

import numpy as np

class LinearRegression:
    def __init__(self):
        self.coefficients = None
    
    def fit(self, X, y):
        # 增加截距项
        X = np.hstack((np.ones((X.shape[0], 1)), X))
        # 计算系数
        self.coefficients = np.linalg.inv(X.T @ X) @ X.T @ y
    
    def predict(self, X):
        # 增加截距项
        X = np.hstack((np.ones((X.shape[0], 1)), X))
        # 预测
        return X @ self.coefficients

在这个实现中，`fit`方法用于训练模型，它需要输入一个特征矩阵`X`和一个目标向量`y`，通过矩阵计算得到模型的系数。`predict`方法用于预测，它需要输入一个特征矩阵`X`，通过矩阵计算得到预测结果。在`fit`和`predict`方法中，我们都增加了一个截距项，这是因为线性回归模型本身是没有截距项的，我们需要手动添加。