可以使用Python的NumPy和Scikit-learn库实现线性回归。下面是一个简单的示例代码：
import numpy as np
from sklearn.linear_model import LinearRegression
# 创建训练数据集
X_train = np.array([[1], [2], [3], [4], [5]])
y_train = np.array([2, 4, 5, 4, 5])
# 构建线性回归模型并拟合数据
model = LinearRegression()
model.fit(X_train, y_train)
# 打印模型系数和截距项
print('Coefficients: ', model.coef_)
print('Intercept: ', model.intercept_)
# 预测新数据
X_new = np.array([[6], [7]])
y_pred = model.predict(X_new)
print('Predicted values:', y_pred)
在上面的代码中，我们首先使用NumPy创建了训练数据集（自变量和因变量），然后使用Scikit-learn库中的线性回归模型（LinearRegression）拟合数据，并使用模型预测了新的自变量对应的因变量值。