用python进行多元线性回归

要进行多元线性回归，我们需要引入一些库。在Python中，可以使用numpy，pandas和sklearn库进行多元线性回归。

import pandas as pd
import numpy as np
from sklearn.linear_model import LinearRegression

接下来，我们可以使用pandas库读取数据集，并将它们转换为数据框。

# 读取数据集
data = pd.read_csv('data.csv')
# 将数据转换为数据框
df = pd.DataFrame(data)

现在我们可以将自变量和因变量分离。

# 提取自变量和因变量
X = df[['x1', 'x2', 'x3']]
y = df['y']

现在我们可以创建一个线性回归模型并拟合数据。

# 创建线性回归模型
reg = LinearRegression().fit(X, y)

现在我们可以使用模型来预测新数据。

# 预测新数据
new_data = np.array([[2, 3, 4]])
prediction = reg.predict(new_data)
print(prediction)

完整的代码如下所示：

import pandas as pd
import numpy as np
from sklearn.linear_model import LinearRegression

# 读取数据集
data = pd.read_csv('data.csv')
# 将数据转换为数据框
df = pd.DataFrame(data)

# 提取自变量和因变量
X = df[['x1', 'x2', 'x3']]
y = df['y']

# 创建线性回归模型
reg = LinearRegression().fit(X, y)

# 预测新数据
new_data = np.array([[2, 3, 4]])
prediction = reg.predict(new_data)
print(prediction)

这里的data.csv文件包含了自变量x1、x2、x3和因变量y的数据。你可以根据自己的数据集进行修改。