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？

Question

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

标签： machine-learninglinear-regression

Answer 1

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）。