多元线性回归：预测数据

目标： 使用多元线性回归模型，根据已知数据预测 x1=11, x2=8 时 y 的值。

输入形式：

样例输入中的数据以空格分隔，每组数据占一行，例如：

0.5 2.0 6.05.0 6.0 15.03.2 4.0 11.47.8 11.0 20.6

输出形式：

输出预测的 y 值，保留一位小数，例如：

[27.0]

**示例代码 (Python):**pythonimport numpy as npfrom sklearn.linear_model import LinearRegression

加载数据data = np.loadtxt('data.txt') # 假设数据存储在名为 'data.txt' 的文件中

提取特征和目标值X = data[:, :2] # 特征 (x1, x2)y = data[:, 2] # 目标值 (y)

创建线性回归模型model = LinearRegression()

训练模型model.fit(X, y)

预测新数据new_data = np.array([[11, 8]])predicted_y = model.predict(new_data)

输出预测值print(f'[{predicted_y[0]:.1f}]')

说明：

• 该代码首先使用 numpy 加载数据并将其分为特征矩阵 X 和目标向量 y。* 然后，创建一个 LinearRegression 对象并使用 fit() 方法训练模型。* 最后，使用 predict() 方法预测新数据 [11, 8] 对应的 y 值，并将结果输出。

注意：

• 请将示例代码中的 'data.txt' 替换为实际数据文件的路径。* 该代码仅为示例，您可能需要根据具体情况进行调整。