如何让拟合多元线性回归模型mdl可视化
时间: 2023-08-14 21:03:13 浏览: 219
要将多元线性回归模型的拟合可视化,一种常见的方法是绘制预测值与实际值之间的散点图,并添加一条拟合线。具体步骤如下:
1. 首先,使用模型对数据进行拟合,并生成预测值。
2. 然后,将实际值与预测值绘制在同一张图表上,可以使用 matplotlib 库进行绘制。
3. 在图表上添加一条拟合线,可以使用 numpy 库中的 linspace 函数生成一组横坐标,然后使用模型参数计算出对应的纵坐标。
4. 最后,添加图表标题、横轴标签、纵轴标签等必要信息,使得图表更加清晰易懂。
下面是一个简单的示例代码:
``` python
import numpy as np
import matplotlib.pyplot as plt
# 生成模拟数据
np.random.seed(0)
X = np.random.rand(100, 3)
y = np.dot(X, [4, 2, 1]) + 0.5 * np.random.randn(100)
# 拟合多元线性回归模型
from sklearn.linear_model import LinearRegression
mdl = LinearRegression().fit(X, y)
# 绘制预测值与实际值之间的散点图,并添加拟合线
y_pred = mdl.predict(X)
plt.scatter(y, y_pred)
plt.plot(np.linspace(0, 10, 100), np.linspace(0, 10, 100), 'r--')
plt.xlabel('Actual values')
plt.ylabel('Predicted values')
plt.title('Scatter plot of actual vs predicted values')
plt.show()
```
在上面的代码中,我们首先生成了一组模拟数据,然后使用 sklearn 中的 LinearRegression 类对其进行拟合。接着,我们绘制了预测值与实际值之间的散点图,并添加了一条红色虚线作为拟合线。最后,我们添加了横轴标签、纵轴标签和标题,使得图表更加清晰易懂。
阅读全文