python怎么做多元线性回归

要进行多元线性回归，我们需要使用一些Python库来进行数据处理和建模，其中最常用的是pandas，numpy和scikit-learn。

以下是一个简单的多元线性回归的示例代码：

import pandas as pd
import numpy as np
from sklearn.linear_model import LinearRegression

# 读取数据集
dataset = pd.read_csv('data.csv')

# 将数据分为自变量和因变量
X = dataset.iloc[:, :-1].values
y = dataset.iloc[:, -1].values

# 将数据集分为训练集和测试集
from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=0)

# 创建多元线性回归模型并拟合数据
regressor = LinearRegression()
regressor.fit(X_train, y_train)

# 预测测试集结果
y_pred = regressor.predict(X_test)

# 输出预测结果和实际结果的比较
df = pd.DataFrame({'Actual': y_test, 'Predicted': y_pred})
print(df)

在这个示例中，我们首先使用pandas读取数据集，然后将数据集分为自变量和因变量。接下来，我们使用train_test_split函数将数据集分为训练集和测试集。然后，我们创建一个多元线性回归模型，并使用fit方法拟合训练数据。最后，我们使用predict方法对测试数据进行预测，并输出预测结果和实际结果的比较。