运用Advertising and Sales数据做多元线性回归分析，写出python代码

首先，我们需要导入必要的Python库，包括pandas、numpy和sklearn。代码如下：

import pandas as pd
import numpy as np
from sklearn.linear_model import LinearRegression

接下来，我们需要读取数据集并存储为DataFrame对象。在这里，我们使用一个名为"Advertising.csv"的数据集作为示例。代码如下：

df = pd.read_csv("Advertising.csv", index_col=0)

然后，我们需要准备数据，将特征和目标变量分离。特征是广告投放在电视、广播和报纸上的支出，目标变量是销售额。代码如下：

X = df[['TV', 'radio', 'newspaper']]
y = df['sales']

现在，我们可以创建一个多元线性回归模型，并将特征和目标变量传递给它。代码如下：

lr = LinearRegression()
lr.fit(X, y)

最后，我们可以输出模型的系数和截距，以及模型的R²得分。代码如下：

print("Coefficients: ", lr.coef_)
print("Intercept: ", lr.intercept_)
print("R² Score: ", lr.score(X, y))

完整的代码如下：

import pandas as pd
import numpy as np
from sklearn.linear_model import LinearRegression

df = pd.read_csv("Advertising.csv", index_col=0)
X = df[['TV', 'radio', 'newspaper']]
y = df['sales']

lr = LinearRegression()
lr.fit(X, y)

print("Coefficients: ", lr.coef_)
print("Intercept: ", lr.intercept_)
print("R² Score: ", lr.score(X, y))