在Python中，可以使用scikit-learn库来实现回归模型的测试。以下是一个简单的回归测试的示例代码：
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression
from sklearn.metrics import mean_squared_error
# 假设我们有一组特征数据 X 和对应的目标变量 y
# 将数据集拆分为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)
# 创建线性回归模型
model = LinearRegression()
# 在训练集上训练模型
model.fit(X_train, y_train)
# 在测试集上进行预测
y_pred = model.predict(X_test)
# 计算均方误差
mse = mean_squared_error(y_test, y_pred)
print("均方误差：", mse)
在这个示例中，我们首先将数据集划分为训练集和测试集，然后创建一个线性回归模型并在训练集上进行训练。然后，我们使用训练好的模型对测试集进行预测，并计算预测结果与真实目标变量之间的均方误差。
