如何根据分类输入变量可视化（绘制）回归输出？

Question

我正在使用多个变量进行线性回归。在我的数据中，我有 n = 143 功能和 m = 13000 训练示例。我的一些功能是连续（序数）变量（面积，年份，房间数）。但我也有分类变量（区，颜色，类型）。现在，我根据预测的价格想象了一些我的特色。例如，这里是area与预测price的关系图：

由于area是连续的序数变量，因此我没有麻烦可视化数据。但是现在我想以某种方式想象我的分类变量（例如区）对预测价格的依赖性。 对于分类变量，我使用了单热（虚拟）编码。
例如那种数据：

转向此格式：

如果我以这种方式对区进行序数编码：

DistrictA - 1
DistrictB - 2
DistrictC - 3
DistrictD - 4
DistrictE - 5

我将这个值与预测价格相比较，通过将1-5指向X轴并将价格设置为Y轴，可以很容易地绘制这些值。

但我使用虚拟编码，现在我不知道如何显示（可视化）价格和分类变量“区域”之间的依赖关系，表示为零和一系列。

在使用虚拟编码的情况下，如何制作显示区域回归线与预测价格的图表？

Answer 1

如果您只是想知道不同地区对预测的影响程度，您可以直接查看训练后的系数。高theta表示该区域增加了价格。

如果要绘制此图，一种可能的方法是根据设置的区域制作带有x坐标的散点图。 像这样（未经测试）：

plot.scatter(0, predict(data["DistrictA"==1]))
plot.scatter(1, predict(data["DistrictB"==1]))

等等。 （可能需要提供与过滤数据向量大小相同的x向量。） 如果你可以在x坐标上添加一个轻微的随机扰动，它看起来会更好。