使用LinearRegression求解多元线性回归的代码

以下是使用sklearn库中的LinearRegression类进行多元线性回归的代码：

from sklearn.linear_model import LinearRegression

# 构造训练数据和标签
X = [[1, 2, 3], [4, 5, 6], [7, 8, 9]]
y = [10, 20, 30]

# 创建线性回归模型
model = LinearRegression()

# 训练模型
model.fit(X, y)

# 预测新样本
x_test = [[2, 3, 4], [5, 6, 7]]
y_pred = model.predict(x_test)

# 输出预测结果
print(y_pred)  # [18. 28.]

解释：

首先，我们构造训练数据和标签，其中X是一个3x3的矩阵，每一行代表一个样本，每一列代表一个特征；y是一个长度为3的一维向量，代表每个样本的标签。

然后，我们使用LinearRegression类创建一个线性回归模型，并使用fit方法训练模型。

接着，我们创建两个新样本x_test，每个样本都有3个特征值。我们使用predict方法对这两个样本进行预测，并将预测结果存放在y_pred中。

最后，我们输出预测结果，可以看到模型对这两个样本的预测结果分别为18和28。