给我一段多元线性回归代码

以下是 Python 中多元线性回归的代码示例：

import numpy as np
from sklearn.linear_model import LinearRegression

# 定义自变量 x 和因变量 y
x = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9], [10, 11, 12]])
y = np.array([10, 20, 30, 40])

# 建立线性回归模型
model = LinearRegression()

# 训练模型
model.fit(x, y)

# 打印模型的截距和系数
print("截距:", model.intercept_)
print("系数:", model.coef_)

在以上代码中，我们使用了 `numpy` 库来定义自变量 `x` 和因变量 `y`。然后，我们使用 `sklearn` 库中的 `LinearRegression` 类来建立线性回归模型，并将自变量和因变量传递给 `fit()` 函数进行训练。最后，我们使用 `intercept_` 和 `coef_` 属性来打印模型的截距和系数。

相关问题

给我一段matlab多元线性回归代码

以下是一个简单的 Matlab 多元线性回归代码示例：

% 生成示例数据
x1 = [1; 2; 3; 4; 5];
x2 = [3; 5; 7; 9; 11];
y = [10; 20; 30; 40; 50];

% 构建设计矩阵
X = [ones(length(x1),1) x1 x2];

% 计算最小二乘估计
beta = (X' * X) \ (X' * y);

% 输出结果
fprintf('beta0 = %f\n', beta(1));
fprintf('beta1 = %f\n', beta(2));
fprintf('beta2 = %f\n', beta(3));

这段代码生成了两个自变量 x1 和 x2，以及一个因变量 y。然后，它将这些变量组合成一个设计矩阵 X。最后，它使用最小二乘法计算出多元线性回归模型的系数 beta，并输出结果。

帮我用python写一段多元线性回归的代码

import pandas as pd
import numpy as np
from sklearn.linear_model import LinearRegression # 读取数据
data = pd.read_csv('data.csv') # 获取X和Y
X = data[['Feature1','Feature2','Feature3','Feature4','Feature5']]
Y = data['Target'] # 实例化线性回归模型
model = LinearRegression() # 训练模型
model.fit(X, Y) # 预测结果
predictions = model.predict(X)