多元线性回归python

多元线性回归是一种预测模型，它通过多个自变量与一个因变量之间的线性关系来预测因变量的值。在Python中，我们可以使用Scikit-learn库来实现多元线性回归。

以下是一个使用Scikit-learn库实现多元线性回归的示例代码：

from sklearn.linear_model import LinearRegression
from sklearn.model_selection import train_test_split
from sklearn.metrics import mean_squared_error

# 定义自变量和因变量
X = [[1, 2, 3], [4, 5, 6], [7, 8, 9], [10, 11, 12]]
y = [10, 20, 30, 40]

# 将数据集拆分为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=0)

# 创建模型并拟合训练集
regressor = LinearRegression()
regressor.fit(X_train, y_train)

# 预测测试集结果
y_pred = regressor.predict(X_test)

# 计算模型的均方误差
mse = mean_squared_error(y_test, y_pred)
print('Mean Squared Error:', mse)

在上面的代码中，我们首先定义了自变量和因变量。然后，我们使用train_test_split()函数将数据集拆分为训练集和测试集。接下来，我们创建一个LinearRegression对象并使用训练集来拟合模型。最后，我们使用predict()函数预测测试集结果，并使用mean_squared_error()函数计算模型的均方误差。

需要注意的是，多元线性回归的自变量可以有多个，这里的X是一个二维数组，包含了三个自变量。在实际问题中，自变量可能会更多。