python:多元线性回归

多元线性回归是一种用于建立多个自变量和一个因变量之间关系的回归模型的方法。在Python中，可以使用多种库来实现多元线性回归，如NumPy、pandas和scikit-learn等。下面是一个使用scikit-learn库实现多元线性回归的例子：

import numpy as np
from sklearn.linear_model import LinearRegression

# 定义自变量和因变量
X = np.array([[1, 2], [2, 3], [3, 4], [4, 5]])  # 自变量
y = np.array([2, 3, 4, 5])                     # 因变量

# 创建线性回归模型
model = LinearRegression()

# 拟合模型
model.fit(X, y)

# 打印模型参数
print("斜率：", model.coef_)
print("截距：", model.intercept_)

# 预测新样本
new_X = np.array([[5, 6], [6, 7]])
predictions = model.predict(new_X)
print("预测结果：", predictions)

在以上代码中，我们首先导入所需的库，然后定义了自变量X和因变量y。接下来，我们创建了一个LinearRegression对象，并使用fit()方法拟合模型。最后，我们可以使用coef_和intercept_属性打印出模型的斜率和截距，以及使用predict()方法对新样本进行预测。

希望这个例子能帮助你理解多元线性回归的实现方法！如有更多问题，请继续提问。