R语言怎么建立多元线性回归方程并在不知道新的数据点的情况下进行预测

在R语言中，你可以使用`lm()`函数来建立多元线性回归模型。这个函数的基本语法如下：

model <- lm(formula = dependent_variable ~ independent_variables, data = dataset)

其中：
- `dependent_variable`: 你要预测的目标变量。
- `independent_variables`: 自变量，也就是影响目标变量的特征或因素。
- `data`: 包含所有变量的数据集。

例如，如果你有一个名为`df`的数据框，其中包含`price`作为因变量，`size`, `beds`, 和 `location_score`作为自变量，你可以这样做：

model <- lm(price ~ size + beds + location_score, data = df)

建立好模型后，你可以使用`predict()`函数对未知的新数据点进行预测。假设你想对一个新的观测值`(new_size, new_beds, new_location_score)`进行预测，代码会是这样的：

new_data <- data.frame(size = new_size, beds = new_beds, location_score = new_location_score)
predicted_value <- predict(model, new_data)