Ejercicio de regresion lineal

import numpy as np
import scipy as sc
import matplotlib.pyplot as pit
from sklearn.datasets import load_boston

#cargar la libreria
boston = load_boston()
print(boston.DESCR)

X = np.array(boston.data[:,5]) # coger todas las filas de la columna 5
Y = np.array(boston.target)
#np.array convierte datos en matriz

plt.scatter(X,Y, alpha=0.3) #cargar grafica "alpha = transparencia"


#Formula de Minimos Cuadrados Ordinarios
#W=((X^{t}X)^-1)X^{t}Y

X = np.array([np.ones(506),X]).T #colocamos una columna de 1

# formula minimos cuadrados
#inversa de (X transpuesta Multiplicada por X)* Transpuesta de X * Y
W = np.linalg.inv(X.Transpose @ X) @ X.Transpose @ Y

plt.plot([4,9],[W[0]+W[1]*4,W[0]+W[1]*9],c="red") #linea de regresion lineal
plt.show() #visualizar grafica en eje de coordenadas