写一个Python代码：导入表格数据建立多元回归模型并用多种方式评价模型效果

好的，以下是一个简单的 Python 代码，可以导入表格数据，建立多元回归模型，并使用多种方式评价模型效果：

# 导入所需库
import pandas as pd
import numpy as np
from sklearn.linear_model import LinearRegression
from sklearn.metrics import mean_squared_error, r2_score
from sklearn.model_selection import train_test_split

# 读取数据
data = pd.read_csv('data.csv')

# 划分自变量和因变量
X = data.iloc[:, :-1]
y = data.iloc[:, -1]

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=1)

# 建立多元线性回归模型
model = LinearRegression()
model.fit(X_train, y_train)

# 用测试集进行预测
y_pred = model.predict(X_test)

# 评价模型效果
mse = mean_squared_error(y_test, y_pred)
r2 = r2_score(y_test, y_pred)

print('均方误差:', mse)
print('决定系数:', r2)

此外，还可以使用其他评价指标来评价模型效果，例如平均绝对误差(MAE)、平均绝对百分误差(MAPE)、均方根误差(RMSE)等等，根据具体情况选择合适的指标进行评价。