from sklearn.linear_model import LinearRegression 编写一段代码

好的，以下是一个简单的使用 LinearRegression 类进行线性回归模型训练和预测的示例代码：

from sklearn.linear_model import LinearRegression
import numpy as np

# 创建训练数据
X_train = np.array([[1], [2], [3], [4], [5]])
y_train = np.array([3, 5, 7, 9, 11])

# 创建 LinearRegression 模型
model = LinearRegression()

# 使用训练数据拟合模型
model.fit(X_train, y_train)

# 使用拟合好的模型进行预测
X_test = np.array([[6], [7], [8], [9], [10]])
y_pred = model.predict(X_test)

# 输出预测结果
print(y_pred)

在这个例子中，我们创建了一个简单的训练数据集，包含五个样本，每个样本只有一个特征。我们使用这个数据集来训练一个线性回归模型，并使用拟合好的模型来预测一组新的测试数据。最后，我们输出了预测结果。