我试图简单地绘制一条回归线，但得到的线条非常杂乱。这是由于我使用了两个特征来拟合模型，因此唯一合适的可视化方式应该是三维平面吗？
import numpy as npimport pandas as pdimport matplotlib.pyplot as pltfrom sklearn.datasets import load_bostonfrom sklearn.linear_model import LinearRegression# prepare databoston = load_boston()X = pd.DataFrame(boston.data, columns=boston.feature_names)[['AGE','RM']]y = boston.target# split dataset into training and test datafrom sklearn.model_selection import train_test_splitX_train, X_test, y_train, y_test = train_test_split( X, y, test_size=0.20, random_state=33)# apply linear regression on datasetlm = LinearRegression()lm.fit(X_train, y_train)pred_train = lm.predict(X_train)pred_test = lm.predict(X_test)#plot relationship between RM and priceplt.scatter(X_train['RM'], y_train, c='g', s=40, alpha=0.5)plt.plot(X_train['RM'], pred_train, color='r')plt.title('Relationship between RM and Price')plt.ylabel('Price')plt.xlabel('RM')
回答：
你说的对。你使用多个特征（即AGE和RM）进行训练，但你绘制的是只有一个特征（即RM）的二维图。尝试绘制三维图。一般来说，具有两个特征的线性回归会得到一个平面。这仍然是线性回归。这就是我们使用“超平面”这个术语的原因。对于单个特征，它会变为一条线；对于两个特征，它会变为一个平面，依此类推。
这是三维的输出：
plt3d = plt.figure().gca(projection='3d')plt3d.view_init(azim=135)plt3d.plot_trisurf(X_train['RM'].values, X_train['AGE'].values, pred_train, alpha=0.7, antialiased=True)
