请帮我写一段用python进行多元线性回归的代码

好的，以下是用Python实现多元线性回归的代码：

import numpy as np
from sklearn.linear_model import LinearRegression

# 生成训练数据
x = np.array([[1, 2, 3], [2, 4, 6], [3, 6, 9]])
y = np.array([4, 8, 12])

# 建立模型
model = LinearRegression()

# 训练模型
model.fit(x, y)

# 预测
predictions = model.predict(np.array([[4, 8, 12]]))

# 输出结果
print("预测结果：", predictions)

希望这段代码能够帮助到你。

相关问题

请帮我写一段用python statsmodels库进行多元线性回归的代码

好的，下面是一段简单的用Python的statsmodels库进行多元线性回归的代码示例：

import pandas as pd
import statsmodels.api as sm

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

# 将数据集中的自变量和因变量分别存储
x = data[['X1', 'X2', 'X3']]
y = data['Y']

# 使用statsmodels库进行多元线性回归
model = sm.OLS(y, x).fit()

# 输出回归结果
print(model.summary())

在上面的代码中，我们使用了Pandas库读取了一个名为“data.csv”的数据集，并将自变量分别存储在`x`中，因变量存储在`y`中。接下来，我们使用statsmodels库的OLS（Ordinary Least Squares）函数进行多元线性回归，最后输出回归结果。

希望这段代码能帮助到你。

帮我用python写一段多元线性回归的代码

import pandas as pd
import numpy as np
from sklearn.linear_model import LinearRegression # 读取数据
data = pd.read_csv('data.csv') # 获取X和Y
X = data[['Feature1','Feature2','Feature3','Feature4','Feature5']]
Y = data['Target'] # 实例化线性回归模型
model = LinearRegression() # 训练模型
model.fit(X, Y) # 预测结果
predictions = model.predict(X)