python:求两组数据之间的多元线性回归方程

可以使用Python中的scikit-learn库来实现多元线性回归。首先，需要将数据分为训练集和测试集，然后使用线性回归模型进行拟合和预测。以下是一个简单的示例代码：

from sklearn.linear_model import LinearRegression
from sklearn.model_selection import train_test_split
import numpy as np

# 生成随机数据
X = np.random.rand(100, 5)
y = np.dot(X, [1.5, 2.0, 0.5, 1.0, 3.0]) + np.random.randn(100)

# 将数据分为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=0)

# 创建线性回归模型并拟合数据
reg = LinearRegression().fit(X_train, y_train)

# 输出模型的系数和截距
print("Coefficients:", reg.coef_)
print("Intercept:", reg.intercept_)

# 在测试集上进行预测并计算R^2分数
score = reg.score(X_test, y_test)
print("R^2 score:", score)

在这个例子中，我们生成了一个5维的随机数据集，然后将其分为训练集和测试集。使用线性回归模型拟合训练集数据后，我们输出了模型的系数和截距，并在测试集上进行了预测并计算了R^2分数。