2. 利用多元线性回归算法探讨下列问题，要求画出散点图、拟合效果图。数据见 data_ex_2.xls 随机抽取的15家大型商场销售的同类产品，计算销售价格y与购进价格x1、销售费用x2之间的关系，并预测当购进价格为779、销售费用为503时销售价格是多少？ 代码：

抱歉，我无法在这个平台上提供代码和图表。但我可以给你提供实现该算法的步骤：

1. 首先导入数据，使用pandas库可以方便地读取Excel文件；
2. 使用matplotlib库绘制散点图；
3. 使用sklearn库中的LinearRegression类进行多元线性回归拟合；
4. 得到拟合模型的系数和截距，并使用predict方法进行预测；
5. 绘制拟合效果图。

以下是部分代码示例：

import pandas as pd
import matplotlib.pyplot as plt
from sklearn.linear_model import LinearRegression

# 读取数据
data = pd.read_excel('data_ex_2.xls')

# 绘制散点图
plt.scatter(data['x1'], data['y'])
plt.scatter(data['x2'], data['y'])
plt.show()

# 构建特征矩阵和标签向量
X = data[['x1', 'x2']]
y = data['y']

# 多元线性回归拟合
model = LinearRegression().fit(X, y)

# 预测
x_new = [[779, 503]]
y_new = model.predict(x_new)

# 输出预测结果
print('当购进价格为779、销售费用为503时销售价格是：', y_new[0])

# 绘制拟合效果图
plt.scatter(y, model.predict(X))
plt.plot([y.min(), y.max()], [y.min(), y.max()], 'k--', lw=4)
plt.xlabel('Actual')
plt.ylabel('Predicted')
plt.show()

需要注意的是，数据预处理和特征工程对于模型的拟合效果至关重要。在实际应用中，还需要对模型进行评估和优化。