python 怎么多元线性回归

要进行多元线性回归，需要使用多个自变量来预测一个因变量。 在Python中，可以使用sklearn中的线性回归模型来实现多元线性回归。

下面是一个简单的多元线性回归的示例：

from sklearn.linear_model import LinearRegression

# 创建模型对象
model = LinearRegression()

# 准备数据，x是一个二维数组，每一列都是一个自变量
x = [[1, 2, 3], [2, 3, 4], [3, 4, 5], [4, 5, 6]]
y = [10, 20, 30, 40]

# 训练模型
model.fit(x, y)

# 预测新数据
x_new = [[5, 6, 7], [6, 7, 8]]
y_new = model.predict(x_new)

print(y_new)

在上面的示例中，我们首先导入了LinearRegression模型，然后创建了一个模型对象。接着，我们准备数据，其中x是一个二维数组，每一列都是一个自变量，y是一个一维数组，是因变量。我们使用fit()方法来训练模型，并使用predict()方法来预测新数据。最后，我们输出了预测结果。

注意：在多元线性回归中，需要注意自变量间的相关性，如果存在高度相关的自变量，可能会导致过拟合的问题。可以使用相关性分析或者逐步回归等方法来解决这个问题。