Python多元线性回归：预测数据并输出结果

import numpy as np
from sklearn.linear_model import LinearRegression

# 已知数据
data = np.array([
    [0.5, 2.0, 6.0],
    [5.0, 6.0, 15.0],
    [3.2, 4.0, 11.4],
    [7.8, 11.0, 20.6],
])

# 待预测数据
x = np.array([11, 8])

# 将已知数据转化为二维数组
X = data[:, :-1]
y = data[:, -1]

# 线性回归模型
lr = LinearRegression()

# 拟合模型
lr.fit(X, y)

# 预测
y_pred = lr.predict([x])

print(y_pred)

输出结果为:

[27.]

本代码使用 numpy 和 sklearn 库来实现多元线性回归。首先，我们将已知数据存储在一个 numpy 数组中，然后将其拆分为特征矩阵 X 和目标变量 y。接着，我们创建了一个 LinearRegression 对象，并使用 fit 方法将模型拟合到数据上。最后，使用 predict 方法预测新数据点的值。

本示例展示了如何使用 Python 进行简单的多元线性回归预测。你可以根据自己的需求修改代码，例如添加更多特征变量、调整模型参数等。