參考網頁：http://sklearn.apachecn.org/cn/0.19.0/
其中提供了中文版的文件說明，較為清晰。
1 from sklearn.linear_model import LinearRegression as lr 2 import matplotlib.pyplot as plt 3 import numpy as np 4 5 x = np.array([3.6,4.5,2.6,4.9,2.5,3.5]).reshape(-1,1) 6 y = np.array([9.7,8.1,7.6,8.6,9.0,7.8]).reshape(-1,1) 7 8 model = lr() 9 10 model.fit(x,y) 11 12 y_plot = model.predict(x) 13 14 print(model.coef_) 15 16 plt.scatter(x,y,color='red',label= "sample data",linewidth=2) 17 plt.plot(x,y_plot,color='green',label="fitting line",linewidth=2) 18 plt.legend(loc='lower right') 19 plt.show()
（數據隨便編的，不標准）
最小二乘法的實現利用了sklearn中提供的linear_model線性模型，numpy提供對數組的操作，matplotlib.pyplot提供對模型的圖例化。
其中：
reshape(-1,1)利用numpy提供的方法將數組轉換一維數組。
model實例化LinearRegression方法。
fit（x，y）為監督學習算法，若改為fit（X，y=None）則為無監督學習算法。
plt.scatter為散點圖方法，此處用於將各個點標於圖上。
plt.plot為折線圖方法，此處用於將預測得的擬合直線標於圖上。
plt.legend為圖例設置方法，用於標記圖例的顯示位置，可用參數主要為“lower，upper，center，right，left，best”（若留空則為右上角，與best相同）。
plt.show為圖例輸出方法。