线性回归代码示例 📊

线性回归是机器学习中最基础的算法之一，适用于预测连续值问题。以下是使用 Python 和 Scikit-learn 实现的简单示例：

🧱 步骤 1：导入库

import numpy as np
import matplotlib.pyplot as plt
from sklearn.linear_model import LinearRegression
from sklearn.model_selection import train_test_split

📈 步骤 2：生成数据

# 创建示例数据
X = np.array([[1], [2], [3], [4], [5]])
y = np.array([2, 4, 6, 8, 10])

📊 步骤 3：训练模型

model = LinearRegression()
model.fit(X, y)

📈 步骤 4：可视化结果

plt.scatter(X, y, color='blue')
plt.plot(X, model.predict(X), color='red')
plt.xlabel('输入特征')
plt.ylabel('目标变量')
plt.title('线性回归拟合')
plt.show()

📚 推荐扩展阅读

• 机器学习基础教程
• 神经网络与深度学习

是否需要进一步了解线性回归的数学原理或优化方法？💡