做一个多元线性回归代码

好的，以下是一个基本的多元线性回归代码示例：

import numpy as np
from sklearn.linear_model import LinearRegression

# 假设我们有三个自变量：x1, x2, x3
# 和一个因变量：y
x = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
y = np.array([10, 20, 30])

# 创建一个线性回归模型
model = LinearRegression()

# 训练模型
model.fit(x, y)

# 打印模型参数
print('Coefficients:', model.coef_)  # 系数
print('Intercept:', model.intercept_)  # 截距

# 假设我们有一个新的样本
new_x = np.array([[10, 11, 12]])

# 使用模型进行预测
predicted_y = model.predict(new_x)

# 打印预测结果
print('Predicted y:', predicted_y)

这段代码使用了 scikit-learn 库中的 LinearRegression 类来创建一个多元线性回归模型，然后使用训练数据对模型进行了拟合。最后，我们使用训练好的模型对一个新的样本进行了预测。