题目大意

公司希望通过历史数据预测未来产品销售额，以便进行更合理的库存管理和生产规划。假设销售额与三个特征有关：

1. 产品价格
2. 广告费用
3. 竞争对手数量

给定一个二维列表，每个子列表包含上述三个特征值和对应的历史销售额，形如：

题目内容

公司计划对产品销售额进行预测，以便更好地进行库存管理和生产规划。你的任务是利用历史数据，通过最小二乘法线性回归模型来预测未来的销售额。假设销售额与产品的价格、广告费用和竞争对手的数量有关。

输入描述

输入的数据集为一个二维 $list$ ，该二维 $list$ 中每一个子 $list$ 的最后一个元素表示当前样本的销售额，其余的元素表示特征的值，分别是产品的价格、广告费用和竞争对手的数量。例如 $[[100,2000,5,30000],[150,2500,6,35000]]$ 。所有测试用例都以 $list$ 的形式直接输入。

输出描述

输出预测模型的系数，包括截距和每个特征的系数。数据类型为一个 $list$ ，例如 $[b0,b1,b2,b3]$ ，其中 $b0$ 为截距，$b1、b2、b3$ 分别为产品的价格、广告费用和竞争对手的数量的系数。

补充说明

输出保留至多三位小数。

样例1

输入

[[100,2000,5,30000],[150,2500,6,35000],[120,2100,4,28000],[130,2300,5,32000]]

输出

[-1666.667,-100.0,16.667,1666.667]