Python多元回归代码

以下是两种基于Python的多元线性回归代码实现：

1. 使用statsmodels库进行多元线性回归：

import statsmodels.api as sm
import numpy as np

# 创建一个包含自变量和因变量数据的矩阵 X
X = np.array([[1, 2, 1], [2, 4, 3], [3, 5, 4], [4, 7, 5], [5, 8, 6]])
# 创建一个包含因变量数据的向量 Y
Y = np.array([10, 20, 30, 40, 50])

# 添加常数项
X = sm.add_constant(X)

# 使用 OLS 方法进行多元线性回归
model = sm.OLS(Y, X).fit()

# 输出回归系数和截距
print(model.params)

2. 使用scikit-learn库进行多元线性回归：

from sklearn.linear_model import LinearRegression
import numpy as np

# 创建一个包含自变量和因变量数据的矩阵 X
X = np.array([[1, 2, 1], [2, 4, 3], [3, 5, 4], [4, 7, 5], [5, 8, 6]])
# 创建一个包含因变量数据的向量 Y
Y = np.array([10, 20, 30, 40, 50])

# 创建多元线性回归模型
model = LinearRegression()

# 拟合模型
model.fit(X, Y)

# 输出回归系数和截距
print(model.coef_)
print(model.intercept_)