matlab 在3D散点图上绘制线性回归

我是matlab的新手，刚刚开始学习UBC的AI课程。我使用最小二乘法算法为我正在处理的数据集生成了权重，我生成的权重是[ 0.3400 ,-0.0553 , -0.0667]。

使用生成的权重，我预测了当前数据集的y值（预测值以x表示，实际值以圆圈表示）。这让我遇到了一个问题，即如何使用我拥有的权重和数据来可视化回归平面。那么，我的基本问题是如何使用我现在收集的数据来可视化线性回归平面，或者我是否遗漏了什么？

生成的权重是否对应于y截距、斜率及其方向？如果是，它们如何适应2D平面方程？

enter image description here

回答：

你生成的那些权重是你的回归系数，Beta0, Beta1 和 Beta2。如果y是你的纵轴，x1 和 x2 是你的特征或横轴，它们为你提供了平面的方程：

y = Beta0 + Beta1*x1 + Beta2*x2

对你来说就是：y = 0.3400 + -0.0553*x1 + -0.0667*x2

至于如何可视化这个平面，我们可以在这个Stack Overflow答案中找到答案

weights = [ 0.3400 ,-0.0553 , -0.0667];[x1,x2]=ndgrid(-5:1:5,-5:1:5);y = weights(1) + weights(2)*x1 + weights(3)*x2figuresurf(x1,x2,y);

学技术