我刚刚训练了一个线性回归模型，根据“房间数量”和“价格”得到了截距和系数。但我对如何使用散点图并加上最佳拟合线来绘制我的回归模型有点不确定。

任何关于如何做这件事的帮助将不胜感激 – 谢谢！

这是我的代码：

rgr = linear_model.LinearRegression()rgr.fit(X=sample['number_rooms'].values.reshape(-1,1), y=sample['price'].values)print(rgr.intercept_, rgr.coef_[0])predictions = rgr.predict(X=sample['number_rooms'].values.reshape(-1,1))metrics.mean_squared_error(y_pred=predictions, y_true=sample['price'], squared=False)

回答：

这很简单，试试这个 –

import matplotlib.pyplot as plt# 绘制预测值plt.scatter(sample['number_rooms'].values, predictions.array.reshape(-1, 1), c='g', label='预测价格')# 绘制最佳拟合线min_rooms = 0 # 或者1max_rooms = 10 #假设rooms_range = range(min_rooms, max_rooms+1)plt.plot(rooms_range, rgr.predict(X=rooms_range).array.reshape(-1, 1), c='r', label='最佳拟合')plt.legend()