Question

我尝试拟合多元线性回归模型

Y = c + a1.X1 + a2.X2 + a3.X3 + a4.X4 + a5X5 + a6X6

如果我的模型只有3个变量，我将使用3D图进行绘制。我该如何绘制。我基本上想查看最佳拟合线的样子，还是应该绘制多个散点图，并查看各个变量的效果 Y = a1X1，其他所有条件均为零时，则显示最佳拟合线。这些模型的最佳方法是什么？我知道无法可视化更高的维度，想知道什么是最好的方法。我很想看到最合适的线

Answer 1

您可以使用 Seaborn 的 regplot 函数，并使用预测数据和实际数据进行比较。这与绘制最佳拟合线不同，但它可以向您展示模型的工作情况。

sns.regplot(x=y_test, y=y_predict, ci=None, color="b")

Answer 2

我发现这篇帖子更有帮助，并且被关注了
https://stats.stackexchange.com/questions/73320/how-to-visualize-a-fitted-multiple-regression-model。根据建议我目前只是在绘制散点图，例如因变量与第一独立变量，然后与第二独立变量等，我正在做同样的事情。我可能看不到完整模型的最佳拟合线，但我知道它如何取决于单个变量

type='text/css'

Answer 3

您可以尝试通过比较实际值和预测值来可视化模型的性能。假设我们的实际值存储在Y中，而预测值存储在Y_中，则可以绘制并比较两者。

import seaborn as sns

ax1 = sns.distplot(Y, hist=False, color="r", label="Actual Value")
sns.distplot(Y_, hist=False, color="b", label="Fitted Values" , ax=ax1)

如何使用matplotlib绘制多元线性回归模型

3 个答案: