建立多元线性回归模型，得到回归系数B的估计值，python代码

建立多元线性回归模型并获取回归系数B的估计值通常使用Python的scikit-learn库。这里是一个简单的例子：

# 导入所需的库
import pandas as pd
from sklearn.linear_model import LinearRegression

# 假设我们有一个数据集df，其中包含特征X和目标变量Y
data = pd.read_csv('your_data.csv')  # 替换为你的数据文件路径
X = data[['feature1', 'feature2', 'feature3']]  # 改为你需要的特征列名
Y = data['target']

# 创建线性回归模型
model = LinearRegression()

# 拟合模型
model.fit(X, Y)

# 获取回归系数B的估计值（也称为权重向量）
coefficients = model.coef_

print("回归系数B的估计值：", coefficients)

在这个例子中，`model.coef_`返回的是一个numpy数组，数组的第一维对应于特征，第二维对应于每个特征对应的回归系数。