python线性回归数据生成

以下是使用Python生成线性回归数据的示例代码：

import numpy as np
import random

# 设置随机种子，确保每次生成的数据相同
random.seed(0)

# 生成数据
def generate_linear_data(num_samples, num_features, slope, intercept, std_dev):
    X = np.zeros(shape=(num_samples, num_features))
    y = np.zeros(shape=(num_samples, 1))
    for i in range(num_samples):
        x = np.random.rand(1, num_features)
        X[i, :] = x
        noise = np.random.normal(0, std_dev)
        y[i, 0] = np.dot(x, slope) + intercept + noise
    return X, y

# 设置参数
num_samples = 1000
num_features = 2
slope = np.array([[1], [2]])
intercept = 3
std_dev = 0.1

# 生成数据
X, y = generate_linear_data(num_samples, num_features, slope, intercept, std_dev)

# 打印数据
print("X shape:", X.shape)
print("y shape:", y.shape)
print("First 5 X samples:\n", X[:5, :])
print("First 5 y samples:\n", y[:5, :])

在这个示例中，我们生成了1000个样本，每个样本有2个特征。我们使用了斜率为[1,2]，截距为3的线性模型，并添加了标准差为0.1的高斯噪声。你可以根据需要修改参数来生成不同的数据集。