在R语言中，可以使用lm()函数进行线性回归模型的拟合。下面给出一个简单的回归预测代码示例：
假设我们有一个数据集data，包含两个变量x和y，我们想要用x来预测y。
# 数据准备x <- c(1, 2, 3, 4, 5) # 自变量xy <- c(2, 4, 5, 7, 9) # 因变量y# 拟合线性回归模型model <- lm(y ~ x)# 进行预测new_x <- 6 # 新的自变量值predicted_y <- predict(model, data.frame(x = new_x))# 输出预测结果print(predicted_y)上述代码中，首先准备了自变量x和因变量y的数据。然后使用lm()函数拟合线性回归模型，其中y ~ x表示因变量y与自变量x之间的线性关系。接下来，使用predict()函数进行预测，传入要预测的自变量值new_x，返回预测的因变量值。最后，使用print()函数输出预测结果。
请注意，以上代码只是一个简单的示例，实际使用中可能需要更多的数据预处理、模型评估等步骤。
