在 Python 中，可以使用`scikit-learn`库来实现简单的线性回归模型。下面是一个使用线性
回归预测人口增长情况的示例代码：
首先，确保你已经安装了`scikit-learn`库，如果没有安装，可以通过以下命令安装：
```bash
pip install scikit-learn
```
接下来是实现线性回归模型的代码：
```python
# 导入所需的库
import numpy as np
from sklearn.linear_model import LinearRegression
import matplotlib.pyplot as plt
# 假设我们有以下数据：年份和对应的人口数量
years = np.array([2000, 2005, 201, 2015, 202, 2025]).reshape(-1, 1) # 年份，需要转换为二维
数组
populations = np.array([1000, 1200, 1400, 1600, 1800, 2000]) # 人口数量
# 创建线性回归模型实例
model = LinearRegression()
# 训练模型
model.fit(years, populations)
# 使用模型进行预测
predicted_populations = model.predict(years)
# 可视化结果
plt.scatter(years, populations, color='red', label='实际人口')
plt.plot(years, predicted_populations, color='blue', label='预测人口')
plt.title('人口增长预测')
plt.xlabel('年份')
plt.ylabel('人口数量')
plt.legend()
plt.show()
