[Python] 如何获取scikit-learn的LinearRegression模型的相关参数并打印回归（拟合）方程式

我们可以使用LinearRegression类来进行数据拟合，寻找到合适的回归方程式，拟合成功之后，可以通过LinearRegression类的coef_属性获取方程式的斜率(coefficient)， intercept_属性获取方程式的截距(intercept)，然后打印出回归的方程式，代码如下：

# 导入所需库
import numpy as np
from sklearn.linear_model import LinearRegression

# 创建数据集
X = np.array([[1], [2], [3], [4], [5]])
y = np.array([2, 4, 6, 8, 10])
# 创建并拟合LinearRegression模型：
model = LinearRegression()
model.fit(X, y)

# 获取相关参数：
# 斜率(coefficient):使用coef_属性
# 截距(intercept):使用intercept_属性
slope = model.coef_[0]
intercept = model.intercept_

# 输出线性回归模型的斜率和截距，和回归方程式
print("斜率(coefficient):", slope)
print("截距(intercept):", intercept)
print(f'回归（拟合）方程式为: y={slope}*x + {intercept}')