Python是一種高級編程語言，常用于數據分析和機器學習。向量回歸是機器學習中的一種重要技術，可用于預測和估計連續變量。Python提供了許多庫和工具來進行向量回歸，以下是其中的一些。

import numpy as np
import pandas as pd
from sklearn.linear_model import LinearRegression
from sklearn.metrics import mean_squared_error
# 創建一個包含10個X值和5個Y值的數據集
X = np.array([1,2,3,4,5,6,7,8,9,10]).reshape((-1,1))
y = np.array([2,4,6,8,10]).reshape((-1,1))
# 創建線性回歸模型，訓練數據，并進行預測
model = LinearRegression().fit(X, y)
y_pred = model.predict(X)
# 輸出均方誤差(MSE)
mse = mean_squared_error(y, y_pred)
print(mse)

在上面的代碼中，我們使用numpy和pandas庫來創建包含10個X值和5個Y值的數據集。然后，我們使用sklearn庫中的LinearRegression類來創建一個線性回歸模型。我們使用fit()函數將數據集傳遞給模型進行訓練，并使用predict()函數來進行預測。最后，我們使用mean_squared_error()函數來計算均方誤差，這是一個用來評估預測準確性的指標。

除了sklearn庫，Python還提供了許多其他向量回歸庫，如statsmodels和pyflux。這些庫具有不同的優點和適用范圍，因此需要根據具體的問題進行選擇。