##建立模型（三元模型） ###'displacement','horsepower' x=data[['displacement','horsepower']] y=data['MPG'] modelLR=LM.LinearRegression() modelLR.fit(x,y) MSE=sum((y-modelLR.predict(x)**2)/len(y)) print("三元模型的截距项:%f"%modelLR.intercept_) print("三元模型的回归系数:",modelLR.coef_) print("三元模型的均方误差:",MSE)如何建立三元模型图

要建立三元模型图，您可以使用matplotlib库来可视化该模型的预测结果。以下是一个简单的例子：

import matplotlib.pyplot as plt

# 获取预测值
y_pred = modelLR.predict(x)

# 绘制散点图
plt.scatter(y, y_pred)

# 添加标签
plt.xlabel('Actual MPG')
plt.ylabel('Predicted MPG')
plt.title('Actual vs. Predicted MPG')

# 添加一条对角线，方便比较
plt.plot([0, 50], [0, 50], 'r--')

# 显示图像
plt.show()

这段代码将实际MPG和预测MPG绘制在同一个散点图中。对角线表示实际值等于预测值的情况。如果点在对角线上方，说明预测的值偏高；如果点在对角线下方，说明预测的值偏低。