多元线性回归代码

以下是 Python 中使用 scikit-learn 库进行多元线性回归的代码示例：

from sklearn.linear_model import LinearRegression

# 创建一个多元线性回归模型
model = LinearRegression()

# 准备训练数据
X_train = [[1, 2, 3], [4, 5, 6], [7, 8, 9]]  # 自变量
y_train = [3, 6, 9]  # 因变量

# 训练模型
model.fit(X_train, y_train)

# 预测新数据
X_test = [[2, 4, 6], [3, 5, 7]]
y_pred = model.predict(X_test)

# 输出预测结果
print(y_pred)

在这个示例中，我们首先导入了 scikit-learn 中的 `LinearRegression` 类，然后创建了一个多元线性回归模型。接着，我们准备了训练数据，其中 `X_train` 是自变量，`y_train` 是因变量，用于训练模型。然后，我们调用模型的 `fit` 方法来训练模型。接下来，我们准备了新的自变量数据 `X_test`，并使用模型的 `predict` 方法进行预测，得到了预测结果 `y_pred`。最后，我们输出了预测结果。

需要注意的是，多元线性回归的自变量可以有多个，因此在训练模型和预测时，需要使用二维数组来表示自变量。在这个示例中，我们使用了一个形状为 `(3, 3)` 的二维数组 `X_train` 表示训练数据的自变量，其中第一维表示样本数，第二维表示自变量的数量。同样地，我们使用一个形状为 `(2, 3)` 的二维数组 `X_test` 表示预测数据的自变量。