Python是一種流行的編程語言，它有許多功能強大的庫來幫助數據科學家處理數據。其中之一就是用于機器學習的Scikit-learn庫，它包含了許多用于模型訓練和預測的工具。在本文中，我們將學習如何使用Python和Scikit-learn來繪制線性回歸圖表。

首先，我們需要引入Scikit-learn庫和其他所需的庫：

import numpy as np
import matplotlib.pyplot as plt
from sklearn.linear_model import LinearRegression

接下來，我們要創建一些數據來測試我們的線性回歸模型。我們可以使用NumPy庫來生成隨機數據：

#創建隨機數據
x = np.array([1, 2, 3, 4, 5])
y = np.array([3, 5, 7, 9, 11])

然后我們可以使用Matplotlib庫來畫出這些數據的散點圖：

#畫出散點圖
plt.scatter(x, y)
plt.show()

當我們運行這些代碼時，我們應該會看到一個包含五個點的圖表。接下來，我們要使用Scikit-learn庫的LinearRegression類來擬合數據：

#擬合數據
x = x.reshape((-1, 1))
model = LinearRegression()
model.fit(x, y)
y_pred = model.predict(x)

使用這些代碼，我們將數據擬合為一個線性回歸模型。y_pred變量包含模型預測的y值。接下來，我們要畫出模型的擬合直線：

#畫出擬合線
plt.plot(x, y_pred, color='red')
plt.scatter(x, y)
plt.show()

當我們運行這些代碼時，我們將看到散點圖和擬合線在同一張圖表中。這就是我們所畫的線性回歸圖表。

繪制線性回歸圖表可能看起來很簡單，但是這里的代碼提供了如何使用Python和Scikit-learn庫來生成一個有效的機器學習模型的基礎。這種方法可以應用于許多不同的數據集和機器學習問題。