难以理解具有多个特征的线性回归

Question

假设房屋价格（目标变量）可以根据房屋面积（预测变量）轻松绘制，我们可以看到绘制的数据，并通过数据绘制最佳拟合线。

但是，考虑一下我们是否有预测变量（大小，卧室，地点，楼层数等）等。我怎样将所有这些变为对照 目标变量并将其可视化为二维图形？

Answer 1

如果你真的想要2D人物，那肯定不容易。一种可能的方法是使用Principal Component Analysis之类的东西将数据的维度降低到2。然后你可以再次以二维绘制它。减少到3维而不是2维也可能仍然有效，人类可以很好地理解在2D屏幕上绘制的3D图。

您通常不需要手动进行线性回归，因此您也不需要对数据进行2D绘图。您可以让您的计算机计算线性回归，并且可以通过超过2或3维的方式完美地运行。

Answer 2

计算不应该是一个问题（无论维度如何，数学都有效），但绘图肯定会变得棘手。 PCA很难解释，强迫正交可能不合适。我会查看一下这里提供的一些建议：https://stats.stackexchange.com/questions/73320/how-to-visualize-a-fitted-multiple-regression-model

从根本上说，这取决于您尝试沟通的内容。适合度？也许把多个残差图拼凑在一起。