多元线性回归python案例

多元线性回归是一种预测模型，它假设因变量与多个自变量之间存在线性关系。在Python中，我们可以使用Scikit-Learn库来进行多元线性回归。下面是一个简单的例子：

# 导入所需的库
from sklearn.model_selection import train_test_split 
from sklearn.linear_model import LinearRegression
import pandas as pd
import numpy as np

# 假设我们有一个数据集df，包含 'feature_1', 'feature_2', ..., 'feature_n' 和 'target' 列
data = df[['feature_1', 'feature_2', 'feature_3', 'target']]

# 数据预处理：将数据分为特征(X)和目标变量(y)
X = data.iloc[:, :-1] # 特征
y = data.iloc[:, -1]   # 目标值

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

# 创建并初始化线性回归模型
model = LinearRegression()

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

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

# 计算模型性能指标，如R²分数
score = model.score(X_test, y_test)
print(f"模型R²分数: {score}")