Python 利用 scikit - learn 实现多元线性回归的示例代码

以下是一个示例的多元线性回归的代码： ```python import numpy as np from sklearn.linear_model import LinearRegression # 生成样本数据 X = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]]) y = np.array([10, 20, 30]) # 创建线性回归模型 model = LinearRegression() # 拟合模型 model.fit(X, y) # 打印模型的系数和截距 print('Coefficients:', model.coef_) print('Intercept:', model.intercept_) # 预测新的样本 new_X = np.array([[2, 3, 4]]) predicted_y = model.predict(new_X) print('Predicted y:', predicted_y) ``` 你可以根据自己的需要修改样本数据和其他参数，这个代码使用了 scikit-learn 库中的 LinearRegression 类来实现多元线性回归。 ######[AI写代码神器 | 525点数解答 | 2024-01-02 18:24:52]