python实现多元线性回归预测

实现多元线性回归预测可以使用Python中的scikit-learn库。下面是一个示例代码：

# 导入所需的库
import pandas as pd
from sklearn.linear_model import LinearRegression

# 读取数据
data = pd.read_csv('data.csv')

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

# 创建线性回归模型
model = LinearRegression()

# 训练模型
model.fit(X, y)

# 进行预测
new_data = [[1, 2, 3], [4, 5, 6]]
predictions = model.predict(new_data)
print(predictions)

在上面的代码中，我们使用scikit-learn库中的LinearRegression类创建了一个线性回归模型。我们使用pandas库读取数据，并将其分为自变量X和因变量y。然后，我们使用模型的fit方法训练模型，并使用predict方法进行预测。

需要注意的是，在实际应用中，我们需要进行数据预处理、特征选择、模型评估等步骤，以获得更好的预测效果。