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？
Can I visualize the output values of my linear regression model, If I have got 3 predictor variables and 1 target variable?
我想了解是否可以通过将 4 维图形分解成更小的维度来可视化它。
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将我们的预测显示为一条线的 2-d 图。我可以对 4 维图形做同样的事情吗？如果是那么怎么办？
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
实际上你可以做一件有趣的事情 - 因为你的对象是 R^3->R 的函数，原则上你可以将你的输入 space 作为一个 3d 立方体（我猜你数据有些有限），然后使用 colour 对您的预测进行编码。这样您将获得 3d 彩色点云。您可能需要透明度才能看透它 + 对 rotate/move 进行一些交互式调查，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）。
我想了解是否可以通过将 4 维图形分解成更小的维度来可视化它。 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将我们的预测显示为一条线的 2-d 图。我可以对 4 维图形做同样的事情吗？如果是那么怎么办？
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
实际上你可以做一件有趣的事情 - 因为你的对象是 R^3->R 的函数，原则上你可以将你的输入 space 作为一个 3d 立方体（我猜你数据有些有限），然后使用 colour 对您的预测进行编码。这样您将获得 3d 彩色点云。您可能需要透明度才能看透它 + 对 rotate/move 进行一些交互式调查，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）。