python 最小二乘法拟合多元线性回归代码

好的，以下是一个用 Python 实现的最小二乘法拟合多元线性回归的代码示例：

import numpy as np

# 定义输入数据 X 和输出数据 y
X = np.array([[1, 2], [2, 4], [3, 6], [4, 8], [5, 10]])
y = np.array([2, 4, 6, 8, 10])

# 添加一列全为 1 的偏置项，方便计算
X = np.concatenate((np.ones((X.shape[0], 1)), X), axis=1)

# 计算最小二乘法的参数
theta = np.linalg.inv(X.T @ X) @ X.T @ y

# 打印拟合结果
print("拟合参数为：", theta)

上述代码中，我们首先定义了输入数据 `X` 和输出数据 `y`，然后使用 `np.concatenate` 函数添加一列全为 1 的偏置项，将其与输入数据 `X` 合并成一个新的矩阵。接着，我们使用 `np.linalg.inv` 函数计算矩阵的逆，求得最小二乘法的参数 `theta`。最后，我们打印出拟合结果。

需要注意的是，该代码示例仅适用于多元线性回归，如果需要进行其他类型的回归分析，还需要相应地修改代码。