Python 多元线性回归教程：代码示例及解释

多元线性回归是一种统计学方法，用于建立多个自变量和一个因变量之间的关系。在编程中，可以使用多种工具和语言来实现多元线性回归，例如 Python、R、MATLAB 等。

以下是使用 Python 进行多元线性回归的示例代码：

import numpy as np
import pandas as pd
from sklearn.linear_model import LinearRegression

# 读入数据
data = pd.read_csv('data.csv')

# 分离自变量和因变量
X = data.iloc[:, :-1].values
y = data.iloc[:, -1].values

# 创建线性回归模型
model = LinearRegression()

# 拟合模型
model.fit(X, y)

# 预测结果
x_new = np.array([1, 2, 3, 4, 5]).reshape(-1, 1)
y_new = model.predict(x_new)

print('Coefficients:', model.coef_)
print('Intercept:', model.intercept_)
print('Predictions:', y_new)

在该示例代码中，我们首先使用 pandas 库读入数据，然后使用 numpy 库将数据分离为自变量和因变量。接着，我们使用 sklearn 库的 LinearRegression 类创建线性回归模型，并使用 fit() 方法拟合模型。最后，我们使用 predict() 方法对新的自变量进行预测，并输出模型的系数、截距和预测结果。