使用最小二乘法python实现多元线性回归

实现多元线性回归的最小二乘法，可以使用 Python 中的 NumPy 库和线性代数方法。以下是一个简单的示例代码：

import numpy as np

# 输入的数据
X = np.array([[1, 2, 3], [1, 3, 4], [1, 4, 5], [1, 5, 6]])
y = np.array([[6], [9], [11], [14]])

# 计算最小二乘法的解
theta = np.linalg.inv(X.T.dot(X)).dot(X.T).dot(y)

# 打印结果
print(theta)

上述代码中，输入数据 X 是一个 m x n 的矩阵，其中 m 表示样本数，n 表示特征数。y 是一个 m x 1 的列向量，表示对应的目标值。接着，通过计算最小二乘法的解，即 $\theta = (X^TX)^{-1}X^Ty$，得到一个 n x 1 的列向量，表示回归系数。最后，通过打印结果，可以得到多元线性回归的结果。

需要注意的是，上述代码中的 X 矩阵中，第一列全部为 1，是为了表示截距。如果不需要截距，可以将 X 矩阵的第一列去掉。