请用 Python 实现一个简单的线性回归模型，并解释其原理。

答题要点

在 Python 中，我们可以使用`scikit - learn`库来实现一个简单的线性回归模型。首先，导入必要的库，`from sklearn.linear_model import LinearRegression`和`import numpy as np`。假设我们有一组特征数据`X`和对应的目标数据`y`，需要将`X`转换为二维数组，例如`X = np.array(X).reshape(-1, 1)`。然后，创建线性回归模型对象`model = LinearRegression()`，并使用`fit`方法进行训练，即`model.fit(X, y)`。训练完成后，就可以使用`predict`方法进行预测，如`predictions = model.predict(new_X)`。线性回归的原理是通过寻找一条直线（在多维空间中是超平面），使得所有数据点到该直线的距离的平方和最小，这个距离的平方和也称为残差平方和。通过最小化残差平方和，我们可以得到最佳的回归系数，从而确定回归直线的方程。线性回归模型简单易懂，常用于预测连续型变量的值。