编写一段线性回归代码，要求输出为回归模型参数及模型参数

在小数据集的情况下，我们可以使用Scikit-learn封装好的LinearRegression库进行线性回归。首先，我们需要导入库并生成样本数据：

import numpy as np
from sklearn.linear_model import LinearRegression

# 生成样本数据
X = np.array([[1], [2], [3], [4], [5]])
y = np.array([2, 4, 6, 8, 10])

接下来，我们可以通过LinearRegression拟合线性模型，并输出回归模型参数：

# 建立线性回归模型
lr = LinearRegression().fit(X, y)

# 输出模型参数
print('模型参数：', lr.coef_)
print('模型截距：', lr.intercept_)

输出结果如下：

模型参数： [2.]
模型截距： 0.0

其中，模型的参数为2，模型的截距为0。这意味着，我们可以通过将输入值乘以2，再加上0来预测目标值。