利用python写一段多元回归方程预测代码

当然可以。以下是一段Python代码，使用多元线性回归来预测一个房屋的价格。在本例中，我们有两个自变量 - 卧室数量和房屋面积，以预测房价（因变量）。

import numpy as np
from sklearn.linear_model import LinearRegression

# input data
bedrooms = [1, 2, 2, 3, 4, 4, 4, 5, 5]
area = [500, 1000, 750, 1100, 1500, 1200, 1700, 1800, 1500]
price = [300, 500, 400, 530, 625, 520, 700, 820, 710]

# reshape data
bedrooms = np.array(bedrooms).reshape(-1,1)
area = np.array(area).reshape(-1,1)
price = np.array(price).reshape(-1,1)

# join input data together
X = np.concatenate((bedrooms, area), axis=1)

# fit model to input data
model = LinearRegression().fit(X, price)

# make a prediction for a new input
new_bedrooms = [[3]]
new_area = [[1000]]
new_input = np.concatenate((new_bedrooms, new_area), axis=1)
predicted_price = model.predict(new_input)

print(predicted_price)

在这个例子中，我们使用 NumPy 和 Scikit-learn 库来进行多元回归分析。我们首先定义一个包含自变量和因变量的输入数据，然后使用 `LinearRegression()` 函数来拟合模型。最后，我们可以将新的自变量输入模型进行预测，并打印预测结果。

请注意，这只是一个简单的例子，实际上，多元回归模型可能需要更多的自变量来进行预测。此外，你需要根据你的需求将数据拟合到适当的模型中，例如多项式回归或逻辑回归。