多元回归就像线性回归一样，但是具有多个独立值，这意味着我们试图基于两个或多个变量来预测一个值。

一、数据集

请看下面的数据集，其中包含了一些有关汽车的信息。

我们可以根据发动机排量的大小预测汽车的二氧化碳排放量，但是通过多元回归，我们可以引入更多变量，例如汽车的重量，以使预测更加准确。

二、案例实现

第一步：读取数据

import pandas
from sklearn import linear_modeldf = pandas.read_csv("cars.csv")df

如下：

第二步：提取自变量与因变量。

X = df[['Weight', 'Volume']] # 自变量两个
y = df['CO2']

第三步：建立模型并预测

regr = linear_model.LinearRegression() #建立模型
regr.fit(X, y) # 训练

第四步： 预测。 预测重量为 2300kg、排量为 1300ccm 的汽车的二氧化碳排放量：

pre = regr.predict([[2300, 1300]])print(pre)

结果为：

[107.2087328]

第五步：获取回归的系数。

print(regr.coef_)

如下：

[0.00755095 0.00780526]

结果数组表示重量和排量的系数值：

Weight: 0.00755095
Volume: 0.00780526

这些值告诉我们，如果重量增加 1g，则 CO2 排放量将增加 0.00755095g。

如果发动机尺寸（容积）增加 1 ccm，则 CO2 排放量将增加 0.00780526g。