举例多元线性回归python

多元线性回归是一种预测模型，它假设因变量与一个或多个自变量之间存在线性关系。在Python中，我们可以使用Scikit-Learn库来构建和应用这种模型。例如，如果你有一个数据集，其中包含两个或更多特征（自变量），你想预测一个连续的目标变量（因变量），可以这样做：

# 导入所需库
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression
import pandas as pd

# 假设df是一个DataFrame，其中包含自变量X和目标变量y
data = pd.read_csv('your_data.csv')  # 替换为实际文件路径
X = data[['feature1', 'feature2']]  # 自变量列名替换为实际名称
y = data['target']  # 目标变量列名

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 创建并训练模型
model = LinearRegression()
model.fit(X_train, y_train)

# 预测
predictions = model.predict(X_test)

# 模型评估（如计算R²分数）
score = model.score(X_test, y_test)
print(f"模型R²分数: {score}")