如何用python实现多元线性回归模型

可以使用Python中的多种机器学习库（如scikit-learn）来实现多元线性回归模型。下面是一个简单的示例代码：

from sklearn.linear_model import LinearRegression
import numpy as np

# 创建多元线性回归模型
model = LinearRegression()

# 准备训练数据
X = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
y = np.array([10, 20, 30])

# 拟合模型
model.fit(X, y)

# 进行预测
X_test = np.array([[2, 3, 4], [5, 6, 7]])
print(model.predict(X_test))

这个示例演示了如何使用scikit-learn库创建一个多元线性回归模型并进行预测。在这个例子中，我们有三个自变量（X1，X2和X3），一个因变量（y）和三个训练数据点。预测时，我们可以使用模型对两个新数据点进行预测（一个包含[2，3，4]，另一个包含[5，6，7]）。