我需要在 matplotlib 中使用多个线性回归和 2 个特征来绘制 3D 图。我怎样才能做到这一点？
这是我的代码:
import pandas
from sklearn import linear_model
df = pandas.read_csv("cars.csv")
X = df[['Weight', 'Volume']]
y = df['CO2']
regr = linear_model.LinearRegression()
predictedCO2 = regr.predict([scaled[0]])
print(predictedCO2)
最佳答案
因此，您想要绘制回归模型结果的 3D 图。在 3d 绘图中，对于每个点，(x, y, z) = (重量、体积、预测二氧化碳)。
现在您可以使用以下命令绘制它:
from mpl_toolkits.mplot3d import Axes3D
import matplotlib.pyplot as plt
import numpy as np
import random
# dummy variables for demonstration
x = [random.random()*100 for _ in range(100)]
y = [random.random()*100 for _ in range(100)]
z = [random.random()*100 or _ in range(100)]
# build the figure instance
fig = plt.figure(figsize=(10,8))
ax = fig.add_subplot(111, projection='3d')
ax.scatter(x, y, z, c='blue', marker='o')
# set your labels
ax.set_xlabel('X Label')
ax.set_ylabel('Y Label')
ax.set_zlabel('Z Label')
plt.show()
这会给你一个像这样的情节:
关于python - 如何使用 matplotlib 绘制具有 2 个特征的 3D 多重线性回归？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/60252480/