用Python进行线性回归预测的步骤与实例

线性回归预测的步骤包括导入所需的NumPy和sklearn库，定义特征矩阵X和标签数组y，创建线性回归模型对象，并使用fit()方法训练模型。然后，使用predict()方法对新数据进行预测并输出预测结果。在实际应用中，需注意选择合适的特征和标签数据，并进行数据预处理和特征工程。请参考以下示例代码：

import numpy as np
from sklearn.linear_model import LinearRegression

# 定义特征矩阵X和标签数组y
X = np.array([[1], [2], [3], [4], [5]])
y = np.array([2, 4, 6, 8, 10])

# 创建线性回归模型对象
model = LinearRegression()

# 训练模型
model.fit(X, y)

# 预测新数据
x_new = np.array([[6]])
y_new = model.predict(x_new)

# 输出预测结果
print("预测结果:", y_new)