Python如何训练多元线性回归

多元线性回归是一种用于建立多个自变量与因变量之间关系的统计模型。在Python中，可以使用多个库来训练多元线性回归模型，例如scikit-learn和statsmodels。

下面是使用scikit-learn库训练多元线性回归模型的步骤：

1. 导入所需的库和模块：

from sklearn.linear_model import LinearRegression
from sklearn.model_selection import train_test_split

2. 准备数据集，将自变量和因变量分开：

X = # 自变量数据集
y = # 因变量数据集

3. 将数据集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=0)

4. 创建线性回归模型对象：

model = LinearRegression()

5. 使用训练集训练模型：

model.fit(X_train, y_train)

6. 使用测试集进行预测：

y_pred = model.predict(X_test)

7. 可以使用评估指标（如均方误差和决定系数）来评估模型的性能：

from sklearn.metrics import mean_squared_error, r2_score

mse = mean_squared_error(y_test, y_pred)
r2 = r2_score(y_test, y_pred)

以上是使用scikit-learn库训练多元线性回归模型的基本步骤。你可以根据自己的数据集和需求进行相应的调整和扩展。