多元线性回归预测模型pyhon

多元线性回归是一种预测模型，用于建立输入变量和输出变量之间的关系。这个模型假设输出变量是输入变量的线性组合，即输出变量可以通过输入变量的线性函数进行预测。在 Python 中，可以使用许多库来实现多元线性回归模型，比如 scikit-learn、statsmodels、numpy 等等。

其中，scikit-learn 是一个广泛使用的机器学习库，它提供了多元线性回归的类 LinearRegression。使用该类，我们可以很容易地训练和预测一个多元线性回归模型。

下面是使用 scikit-learn 库实现多元线性回归预测模型的示例代码：

from sklearn.linear_model import LinearRegression
import numpy as np

# 准备数据集
X = np.array([[1, 2], [3, 4], [5, 6]])
y = np.array([3, 7, 11])

# 创建模型并训练
model = LinearRegression().fit(X, y)

# 预测新数据
new_X = np.array([[7, 8], [9, 10]])
predicted_y = model.predict(new_X)
print(predicted_y)

以上代码中，我们首先准备了输入变量和输出变量的数据集，然后使用 LinearRegression 类创建了一个多元线性回归模型，并通过 fit 方法训练了这个模型。最后，我们使用 predict 方法对新数据进行预测，并输出预测结果。