machine-learning - 如果我有 3 个预测变量和 1 个目标变量,我可以可视化我的线性回归模型的输出值吗?
问题描述
我试图了解是否可以通过将 4 维图分解为更小的维度来对其进行可视化。例如,当我们有一个 2-d 平面作为 3-d 图的预测时,我们可以只选择一个 2-d 图,将我们的预测显示为一条线。我可以对 4-d 图做同样的事情吗?如果是,那怎么办?
import pandas as pd
import matplotlib.pyplot as plt
import numpy as np
from sklearn import linear_model
data = pd.read_csv('housing.csv')
data = data[:50] #taking just 50 rows from the excel file
model = linear_model.LinearRegression() #loading the model from the library
model.fit(data[['median_income','total_rooms','households']],data.median_house_value)
# Pls add code here for visualizations
解决方案
实际上你可以做一件有趣的事情——因为你的对象是 R^3->R 的一个函数,原则上你可以把你的输入空间当作一个 3d 立方体(我猜你的数据有点有限),然后使用颜色来编码你的预测。这样,您将获得 3d 彩色点云。您可能需要透明度才能看穿它+一些交互式调查来旋转/移动,但 4d 是最高的“可视化”维度(只要一个维度是“特殊的”,因此可以编码为颜色)。
推荐阅读
- sql - Oracle SQL 在列中使用分隔符拆分字符串
- angular - 推送日期列表 insite 另一个日期角度列表
- pandas - 熊猫数据框
- angular - 无法从材料选择中正确获取价值
- python - 在 PYTHON 中获取用户的输入
- javascript - 如何将自定义回调传递给显示的自定义模态组件?
- laravel - laravel 队列工作者异常“pcntl_alarm() 期望参数 1 为 int,给定字符串”
- ios - 核心图像人脸检测器无结果
- postgresql - PostgreSQL覆盖索引和主键
- tensorflow - 训练期间的 Keras get_weights 和 set_weights:“无法在 Tensorflow 图形函数中获取值”