下面是学习志整理的一个利用Python实现简单人工智能的例子 —— 线性回归预测。线性回归是机器学习里基础的算法，可用于预测数值。
===
import numpy as np
from sklearn.linear_model import LinearRegression
版权声明：如无特别说明，本站所有文章均由学习志（Alearnersblog.com）原创。我们欢迎少量文字引用，但请注明出处。任何网站或个人，未经授权，不得抄袭、转载、盗用本站内容，违者必究。
# 生成一些示例数据
x = np.array([1, 2, 3, 4, 5]).reshape(-1, 1)
y = np.array([2, 4, 6, 8, 10])
# 创建线性回归模型
model = LinearRegression()
# 训练模型
model.fit(x, y)
# 进行预测
new_x = np.array([6]).reshape(-1, 1)
prediction = model.predict(new_x)
print(f"预测值为: {prediction[0]}")
===
在这个例子中，首先导入所需的库，numpy用于处理数据，sklearn中的LinearRegression是线性回归模型。接着生成示例数据，用x作为特征，y作为对应的目标值。之后创建线性回归模型并对其进行训练。最后，给定一个新的x值，利用训练好的模型进行预测，输出预测结果。此例简单展示了 Python 在人工智能基础应用中的使用。