如何解释线性回归的可视化

Question

这是我的线性回归结果，它是bigmarts销售预测的一种实现方式
我是机器学习的新手，我不知道该怎么解释这个结果..如果有人告诉我这个图表，我将非常感谢 https://godoc.org/k8s.io/kubernetes/cmd/kubeadm/app/apis/kubeadm/v1beta1  这是我的代码：

from sklearn.linear_model import LinearRegression
LR = LinearRegression(normalize=True)
predictors = train_df.columns.drop(['Item_Outlet_Sales', 'Item_Identifier', 'Outlet_Identifier'])
modelfit(LR, train_df, test_df, predictors, target, IDcol, 'LR.csv')
coef1 = pd.Series(LR.coef_, predictors).sort_values()
coef1.plot(kind='bar', title='Model Coefficients')

Answer 1

为了简单解释，我将考虑遵循线性回归假设。

在这里

• x1，x2是功能
• theta0是拦截项
• theta1，theta2是系数

您已绘制了一条条形图，其中将x轴作为特征值（在我的情况下为x1和x2，将y轴作为系数（theta1和{{1} }）。对于每个特征值，都有一个对应的系数值。

因此，在条形图中，您提供了theta2的系数大约为Outlet_Type_0