多元线性回归python模型

多元线性回归是一种统计学方法，用于研究两个或更多自变量与一个因变量之间的线性关系。在Python中，我们可以使用scikit-learn库中的`LinearRegression`类来建立和训练多元线性回归模型。以下是创建和使用这个模型的基本步骤：

1. 导入所需库：

import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression
from sklearn import metrics

2. 加载数据并预处理：

data = pd.read_csv('your_data.csv')  # 替换为你的数据文件路径
X = data.drop('target_column', axis=1)  # 'target_column'是你要预测的因变量
y = data['target_column']

3. 划分训练集和测试集：

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

4. 创建模型并拟合：

model = LinearRegression()
model.fit(X_train, y_train)

5. 预测和评估：

y_pred = model.predict(X_test)
print("Mean Absolute Error:", metrics.mean_absolute_error(y_test, y_pred))
print("Mean Squared Error:", metrics.mean_squared_error(y_test, y_pred))
print("Root Mean Squared Error:", np.sqrt(metrics.mean_squared_error(y_test, y_pred)))