你好，请实现关于sklearn线性回归预测电量

好的，我可以为您提供一个基于sklearn库的简单的线性回归预测电量的示例代码，代码如下：

import numpy as np
from sklearn.linear_model import LinearRegression

# 构造训练集数据
X_train = np.array([[1], [2], [3], [4], [5], [6], [7], [8], [9], [10]])
y_train = np.array([2.5, 3.5, 4.5, 5.5, 6.5, 7.5, 8.5, 9.5, 10.5, 11.5])

# 构造测试集数据
X_test = np.array([[11], [12], [13], [14], [15]])
y_test = np.array([12.5, 13.5, 14.5, 15.5, 16.5])

# 创建线性回归模型
lr = LinearRegression()

# 训练模型
lr.fit(X_train, y_train)

# 输出模型的截距和系数
print("模型截距：", lr.intercept_)
print("模型系数：", lr.coef_)

# 进行预测
y_pred = lr.predict(X_test)

# 输出预测结果
print("预测结果：", y_pred)

这个示例代码中，我们使用了sklearn库中的LinearRegression类来创建线性回归模型，并使用该模型来预测电量。我们先构造了一个训练集和一个测试集，训练集中包含了10个样本，测试集中包含了5个样本，每个样本都是一个小时的电量数据。接着我们使用训练集训练了线性回归模型，然后输出了模型的截距和系数。最后使用测试集来评估模型的预测效果，输出了模型的预测结果。