python多元线性回归 sklearn

在Python中，我们可以使用Scikit-learn（sklearn）库来实现多元线性回归。

以下是一个简单的例子，展示如何使用sklearn来进行多元线性回归：

首先，我们需要导入所需的库：

import numpy as np
from sklearn.linear_model import LinearRegression

然后，我们需要准备数据。我们可以使用NumPy生成一个包含多个自变量的矩阵X和一个包含因变量的向量y：

X = np.array([[1, 2, 3],
              [4, 5, 6],
              [7, 8, 9]])
y = np.array([10, 20, 30])

现在，我们可以创建一个LinearRegression对象，并将数据拟合到线性回归模型中：

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

最后，我们可以使用拟合的模型进行预测：

y_pred = model.predict(X)

完整的代码如下所示：

import numpy as np
from sklearn.linear_model import LinearRegression

# 准备数据
X = np.array([[1, 2, 3],
              [4, 5, 6],
              [7, 8, 9]])
y = np.array([10, 20, 30])

# 拟合模型
model = LinearRegression().fit(X, y)

# 进行预测
y_pred = model.predict(X)

print(y_pred)

输出结果为：

[10. 20. 30.]

这是因为我们使用的是相同的数据来训练和预测模型。在实际应用中，我们需要将数据分为训练数据和测试数据，以避免过拟合。