假设某地房价和人口之间的关系大致满足y≈2x+300。要求根据现有的数据 训练一个合适的线性回归模型，输入人口数量，输出房价1.完成人口-房价的预测模型2.理解里面的参数作用，修改查看效果3.预测效果展示，还原良实的坐标，添加标签

构建一个线性回归模型用于预测房价，假设给定的关系式 y ≈ 2x + 300 表明房价大约是由人口数量乘以2再加上固定的300元每单位人口得出的。以下是步骤：

1. **数据准备**：
- 收集人口数量(x)和实际房价(y)的数据点，最好是一些历史房价和对应的人口统计数据。
- 确保数据质量，清洗缺失值和异常值。

2. **模型创建**：
- 使用Python的scikit-learn库，可以创建`LinearRegression`模型实例。

   from sklearn.linear_model import LinearRegression

   model = LinearRegression()

3. **拟合模型**：
- 将人口数量作为特征(X)，房价作为目标变量(Y)。

   X = [[人口数量_1], [人口数量_2], ..., [人口数量_n]]  # 数据应该是一个二维数组
   Y = [实际房价_1, 实际房价_2, ..., 实际房价_n]

   model.fit(X, Y)

这里的`fit`函数会计算回归系数，2代表斜率，300则是截距。

4. **参数解释**：
- `model.coef_`: 斜率(2)，表示每增加1单位人口，预计房价平均增长2单位。
- `model.intercept_`: 截距(300)，当人口数量为0时，预期的房价。

5. **模型修改与查看效果**：
- 修改参数如改变学习率、正则化等可能会影响模型性能，可通过交叉验证评估。

   model = LinearRegression(normalize=True)  # 添加归一化参数
   model.fit(X, Y)

6. **预测展示**：
- 对新的人口数量进行预测，例如：

   new_population = 100000  # 新的人口数量
   predicted_price = model.predict([[new_population]])[0]
   print(f"预测的房价: {predicted_price}")

- 可画出散点图，显示原始数据点和预测趋势线，使用matplotlib库方便可视化：

   import matplotlib.pyplot as plt
   plt.scatter(X, Y)
   plt.plot(X, model.predict(X), color='red')
   plt.xlabel('人口数量')
   plt.ylabel('房价')
   plt.title('人口-房价关系')
   plt.show()