python 最小二乘法拟合多元线性回归代码

以下是使用 Python 进行最小二乘法拟合多元线性回归的示例代码：

import numpy as np

# 输入变量 X 和输出变量 Y，均为二维数组
X = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9], [10, 11, 12]])
Y = np.array([[6], [15], [24], [33]])

# 添加偏置项
X = np.insert(X, 0, values=1, axis=1)

# 计算最小二乘解
theta = np.linalg.inv(X.T.dot(X)).dot(X.T).dot(Y)

print(theta)

在上面的代码中，我们首先定义了输入变量 X 和输出变量 Y。注意，这里的 X 和 Y 均为二维数组。然后，我们使用 `np.insert()` 函数在变量 X 的第一列插入了全为 1 的一列，以便计算偏置项。最后，我们使用 `np.linalg.inv()` 函数计算出最小二乘解 theta，并输出结果。

需要注意的是，这里的 X 和 Y 数据需要满足一定的条件，才能使用最小二乘法进行拟合。具体来说，X 的各列应该线性独立，而且样本数量应该大于等于变量数量。另外，Y 应该是一个列向量。如果数据不满足这些条件，可能导致最小二乘法无法得到合理的结果。