python线性回归模拟实验

Python线性回归是一种用于预测数值型数据之间线性关系的统计分析方法。在Python中，你可以使用像Scikit-Learn这样的机器学习库来进行模拟实验。线性回归的基本步骤通常包括：

1. **数据准备**：导入所需的库如`numpy`, `pandas`和`sklearn.linear_model`。创建一些示例数据，比如自变量（x）和因变量（y），可以使用随机生成的数。

import numpy as np
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression

# 创建简单的数据集
X = np.random.rand(100, 1)
y = 2 + 3 * X + np.random.randn(100, 1)

2. **模型训练**：将数据分为训练集和测试集，然后实例化线性回归模型并拟合数据。

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)
model = LinearRegression()
model.fit(X_train, y_train)

3. **预测及评估**：用模型对测试集进行预测，并计算一些指标（如均方误差、R²分数等）来评估模型性能。

y_pred = model.predict(X_test)
mse = mean_squared_error(y_test, y_pred)
r2 = r2_score(y_test, y_pred)
print("MSE:", mse)
print("R² Score:", r2)