多元线性回归模型的代码

多元线性回归是一种统计分析方法，用于预测因变量如何随着几个自变量的变化而变化。在Python中，我们可以使用scikit-learn库来构建和训练这样的模型。下面是一个简单的例子，展示如何使用`sklearn.linear_model.LinearRegression`模块：

# 导入必要的库
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression
import pandas as pd

# 假设你有一个DataFrame 'data'，其中包含'X'列作为自变量和'y'列作为因变量
data = pd.read_csv('your_data.csv')  # 替换为你实际的数据文件路径

# 分割数据集为特征(X)和目标(y)
X = data[['feature1', 'feature2', 'feature3']]  # 更改特征名称
y = data['target']

# 划分数据集为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 创建并初始化LinearRegression对象
model = LinearRegression()

# 使用训练数据拟合模型
model.fit(X_train, y_train)

# 预测测试集结果
predictions = model.predict(X_test)

# 模型评估
print("模型系数: ", model.coef_)
print("模型截距: ", model.intercept_)