多元线性回归预测模型代码

多元线性回归是一种统计模型，用于预测因变量（目标变量）如何基于一个或多个自变量（预测变量）变化。在编程中，我们通常使用机器学习库，如Python的scikit-learn，来实现这个模型。这里是一个简单的Python示例，展示如何使用scikit-learn库创建和训练多元线性回归模型：

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

# 假设你有一个名为df的DataFrame，其中包含特征列（X）和目标列（y）
data = pd.read_csv('your_data.csv')  # 替换为你的数据文件路径

# 定义特征和目标变量
X = data.drop('target_column', axis=1)  # 替换 'target_column' 为你的目标列名称
y = data['target_column']

# 划分数据集为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=0)

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

# 预测
y_pred = model.predict(X_test)

# 评估模型性能
print('均方误差 (Mean Squared Error):', metrics.mean_squared_error(y_test, y_pred))
print('决定系数 (R-squared):', metrics.r2_score(y_test, y_pred))

#