MLR代码

以下是一个简单的多元线性回归的Python实现代码：

import numpy as np
from sklearn.linear_model import LinearRegression

# 创建一个多元线性回归模型
model = LinearRegression()

# 输入自变量和因变量数据
X = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
y = np.array([10, 20, 30])

# 用数据来训练模型
model.fit(X, y)

# 输出模型拟合的系数和截距
print(model.coef_)
print(model.intercept_)

# 输入新的自变量数据，预测因变量
new_X = np.array([[10, 11, 12], [13, 14, 15]])
y_pred = model.predict(new_X)

# 输出预测的因变量值
print(y_pred)

这段代码使用了Scikit-learn库中的LinearRegression模块来创建一个多元线性回归模型，然后用给定的数据来训练模型。最后，可以用训练好的模型来预测新的因变量值。