python 多元线性回归代码

当然，这是一个简单的例子来进行多元线性回归的代码：

import numpy as np
from sklearn.linear_model import LinearRegression

# 输入数据
X = np.array([[1, 1, 2], [1, 2, 1], [1, 3, 3], [1, 4, 5]])
y = np.array([6, 9, 12, 15])

# 创建线性回归模型
model = LinearRegression()

# 拟合模型
model.fit(X, y)

# 打印回归系数
print("回归系数:", model.coef_)

# 预测新数据
new_data = np.array([[1, 5, 6]])
predicted_value = model.predict(new_data)
print("预测值:", predicted_value)

这里我们使用了`numpy`库来创建输入数据的数组，并使用`sklearn`库中的`LinearRegression`类来创建线性回归模型。我们输入的数据`X`是一个矩阵，每一行表示一个样本，第一列都是1用于计算截距，后面列是特征值。`y`是目标变量。通过调用`fit()`方法，我们拟合了模型，并可以通过`coef_`属性获取回归系数。最后，我们使用新的数据进行预测，并打印出预测值。

请注意，这只是一个简单的例子，实际应用中可能需要进行更多的数据处理和特征工程。