多元线性回归 Python 代码

多元线性回归是一种统计学习方法，用于建立多个自变量与一个因变量之间的线性关系模型，可以用来预测未来的数值。下面是一个简单的 Python 代码示例：

import pandas as pd
from sklearn.linear_model import LinearRegression

# 读入数据
data = pd.read_csv('data.csv')

# 分离自变量和因变量
X = data.iloc[:, :-1]
y = data.iloc[:, -1]

# 建立多元线性回归模型
model = LinearRegression()
model.fit(X, y)

# 预测结果
y_pred = model.predict(X)

# 输出模型的系数和截距
print('Coefficients: ', model.coef_)
print('Intercept: ', model.intercept_)

# 输出模型的评分（R-squared）
print('R-squared: ', model.score(X, y))

其中，`pandas` 是一个用于数据处理的 Python 库，`sklearn.linear_model` 是 `scikit-learn` 中用于建立线性回归模型的库。在代码中，首先我们通过 `pd.read_csv` 函数读入数据，然后使用 `iloc` 函数分离出自变量和因变量。接着，我们建立一个 `LinearRegression` 对象并调用 `fit` 函数进行拟合。最后，我们使用 `predict` 函数预测结果，并输出模型的系数、截距和评分等信息。