python多元线性回归模型建立

多元线性回归是指有多个自变量的线性回归模型。在Python中，可以使用statsmodels或者sklearn库来建立多元线性回归模型。

以下是使用statsmodels库建立多元线性回归模型的示例代码：

import statsmodels.api as sm
import pandas as pd

# 读取数据
data = pd.read_csv('data.csv')

# 定义自变量和因变量
X = data[['x1', 'x2', 'x3']]
Y = data['y']

# 添加常数列
X = sm.add_constant(X)

# 建立模型
model = sm.OLS(Y, X).fit()

# 输出模型结果
print(model.summary())

在上面的代码中，我们首先使用pandas库读取数据，然后定义自变量X和因变量Y。我们将自变量X添加了一个常数列，这是因为statsmodels库默认不会为模型添加截距。接下来，我们使用OLS方法来建立模型，并使用fit方法拟合数据。最后，我们使用summary方法输出模型结果。

以下是使用sklearn库建立多元线性回归模型的示例代码：

from sklearn.linear_model import LinearRegression
import pandas as pd

# 读取数据
data = pd.read_csv('data.csv')

# 定义自变量和因变量
X = data[['x1', 'x2', 'x3']]
Y = data['y']

# 建立模型
model = LinearRegression().fit(X, Y)

# 输出模型结果
print('Coefficients:', model.coef_)
print('Intercept:', model.intercept_)
print('R-squared:', model.score(X, Y))

在上面的代码中，我们首先使用pandas库读取数据，然后定义自变量X和因变量Y。接下来，我们使用LinearRegression方法来建立模型，并使用fit方法拟合数据。最后，我们使用coef_属性和intercept_属性输出模型系数和截距，使用score方法输出模型拟合优度R-squared。