多元线性回归方程计算 python

在 Python 中，可以使用 Scikit-learn 库来进行多元线性回归方程的计算。下面是一个简单的例子：

首先，我们需要导入必要的库：

import pandas as pd
from sklearn.linear_model import LinearRegression

接着，我们需要准备数据。假设我们有一个包含三个自变量（x1、x2、x3）和一个因变量（y）的数据集，可以使用 Pandas 库来读取数据：

data = pd.read_csv('data.csv')
X = data[['x1', 'x2', 'x3']]
y = data['y']

接下来，我们可以使用 Scikit-learn 库中的 LinearRegression 类来拟合多元线性回归模型：

model = LinearRegression().fit(X, y)

拟合完成后，我们可以使用 coef_ 属性来获取回归系数，使用 intercept_ 属性来获取截距：

print('Coefficients:', model.coef_)
print('Intercept:', model.intercept_)

最后，我们可以使用 predict() 方法来预测一个新的观测值：

new_data = [[1, 2, 3]]
predicted_y = model.predict(new_data)
print('Predicted y:', predicted_y)

完整代码如下：

import pandas as pd
from sklearn.linear_model import LinearRegression

data = pd.read_csv('data.csv')
X = data[['x1', 'x2', 'x3']]
y = data['y']

model = LinearRegression().fit(X, y)

print('Coefficients:', model.coef_)
print('Intercept:', model.intercept_)

new_data = [[1, 2, 3]]
predicted_y = model.predict(new_data)
print('Predicted y:', predicted_y)