sklearn多元线性回归系数

以下是使用Scikit-learn进行多元线性回归并打印系数的例子：

import numpy as np
from sklearn.linear_model import LinearRegression

# 构造训练数据
X = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
y = np.array([6, 15, 24])

# 实例化线性回归模型
linreg = LinearRegression()

# 将模型拟合到训练数据
linreg.fit(X, y)

# 打印模型的系数
print(linreg.intercept_) # 输出：-0.0
print(linreg.coef_) # 输出：[1. 1. 1.]

其中，X是一个3行3列的矩阵，y是一个长度为3的向量，表示训练数据的特征和标签。在实例化线性回归模型后，使用fit()方法将模型拟合到训练数据上。最后，使用intercept_和coef_属性分别打印模型的截距和系数。