多元回归模型python代码

多元回归模型是一种统计建模技术，用于研究多个自变量如何影响一个因变量。在Python中，我们可以使用像`scikit-learn`这样的库来构建多元线性回归模型。下面是一个简单的例子：

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

# 加载数据集（假设df是DataFrame）
data = pd.read_csv('your_data.csv') # 替换为你的数据文件路径

# 定义特征变量（X）和目标变量（y）
X = data[['feature1', 'feature2', 'feature3']] # 根据实际数据替换列名
y = data['target'] # 标签列名

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 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('R-squared:', metrics.r2_score(y_test, y_pred))
print('Mean Absolute Error:', metrics.mean_absolute_error(y_test, y_pred))

# 相关问题--
1. 你能解释一下r2_score是什么吗？
2. 如果特征之间存在多重共线性怎么办？
3. 在实际应用中，如何优化多元回归模型？ 

这个代码展示了如何设置、训练和评估一个基本的多元线性回归模型。注意需要根据实际情况调整数据处理和模型选择部分。