python的ols代码

Python语言是一种经常使用于数据分析和科学计算的编程语言，其强大的数据处理能力使其遭到了很多开发者的青睐。在Python语言中，可以利用OLS库来进行最小二乘线性回归分析，下面我们来看一下该库的代码实现：

import numpy as np
from sklearn.linear_model import LinearRegression
# 设定数据集
x = np.array([[1, 6], [2, 5], [3, 7], [4, 10]])
y = np.array([1, 5, 9, 14])
# 构建线性回归对象
lr = LinearRegression()
# 训练模型
lr.fit(x, y)
# 打印模型系数和截距
print(lr.coef_, lr.intercept_)

该代码中，首先通过导入numpy和sklearn库，设定了数据集x和y，其中x为二维数组，每行表示一个样本数据，每列表示一个特点值。y则表示每一个样本对应的结果值。然后通过构建线性回归对象lr，使用其fit方法对模型进行训练，并通过打印模型系数和截距来获得模型的预测值。