使用多元线性回归模型来估算吸烟者的医疗费用。我使用了’age’（年龄）、’bmi’（体重指数）、’children’（子女数量）这三个特征来估算“charges”（费用）。以下是我的代码：
import pandas as pdimport numpy as npimport plotly.express as pximport matplotlibimport matplotlib.pyplot as pltimport seaborn as sns%matplotlib inlinefrom sklearn.linear_model import LinearRegressionfrom sklearn.metrics import mean_squared_error as rmse从GitHub仓库读取数据
smoker_df = pd.read_csv('https://raw.githubusercontent.com/stedy/Machine-Learning-with-R-datasets/master/insurance.csv')创建输入和目标
inputs = smoker_df[['age', 'bmi', 'children']]targets = smoker_df['charges']创建并训练模型
model6 = LinearRegression().fit(inputs, targets)生成预测
predictions = model6.predict(inputs)计算损失以评估模型
loss = rmse(targets, predictions)print('Loss:', loss)预测和目标的可视化：
fig, ax = plt.subplots(figsize=(7, 3.5))ax.plot(predictions, targets, color='k', label='Regression model')ax.set_ylabel('predictions', fontsize=14)ax.set_xlabel('targets', fontsize=14)ax.legend(facecolor='white', fontsize=11)这不是一个好的可视化效果。我该如何改进它，以便获得一些见解？以及如何可视化超过三个特征作为输入和一个特征作为目标？
回答：
您可以使用散点图来可视化预测与观察值的对比：
fig, ax = plt.subplots(figsize=(7, 3.5))ax.scatter(predictions, targets)ax.set_xlabel('prediction', fontsize=14)ax.set_ylabel('charges', fontsize=14)ax.legend(facecolor='white', fontsize=11)
您可以看到一些预测值存在偏差，这是因为您没有包括其他变量：
import seaborn as snssns.scatterplot(data=smoker_df,x = "age", y = "charges",hue="smoker")
您还可以检查其他特征与目标的相关性：
fig, ax = plt.subplots(1,3,figsize=(15, 5))for i,x in enumerate(inputs.columns): ax[i].scatter(inputs[[x]], targets, label=x) ax[i].set_xlabel(x, fontsize=14) ax[i].set_ylabel('charges', fontsize=14) ax[i].legend(facecolor='white', fontsize=11)plt.tight_layout()
