在Python中，可以使用NumPy和Scikit-learn庫來實現一元線性回歸。
以下是一元線性回歸的實現步驟：
import numpy as np
from sklearn.linear_model import LinearRegression
X = np.array([[1], [2], [3], [4]]) # 輸入特征
y = np.array([2, 4, 5, 8]) # 目標變量
model = LinearRegression()
model.fit(X, y)
X_new = np.array([[5]]) # 新輸入特征
y_pred = model.predict(X_new)
完整的代碼如下所示：
import numpy as np
from sklearn.linear_model import LinearRegression
# 定義輸入特征X和目標變量y
X = np.array([[1], [2], [3], [4]])
y = np.array([2, 4, 5, 8])
# 創建線性回歸模型對象
model = LinearRegression()
# 將數據擬合到模型中
model.fit(X, y)
# 預測新的數據
X_new = np.array([[5]])
y_pred = model.predict(X_new)
print(y_pred)
運行代碼后，將輸出預測結果。這就是一元線性回歸的實現方法。
