matlab在三维散点图上绘制线性回归

我是matlab新手，刚刚开始学习UBC AI课程。我使用最小二乘算法为我正在使用的生成权重，我生成的权重是

[0.3400，-0.0553，-0.0667]

使用生成的权重，我根据当前数据集预测y的值（预测显示为x，实际值显示为圆圈）。这就引出了一个问题，即尝试使用权重和我拥有的数据来可视化回归平面。所以基本上我的问题是，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？如果是这样的话，它们如何适应二维平面方程

---

您生成的权重是回归系数，

Beta0、Beta1

和

Beta2

。如果

y

是你的垂直轴，

x1

，

x2

是你的特征或水平轴，它们为你提供了这个平面方程：

y = Beta0 + Beta1*x1 + Beta2*x2

对你来说，这是： y=0.3400+-0.0553*x1+-0.0667*x2

至于如何将这个平面形象化，我们可以在

---

我已经发布了一个可视化回归平面的答案。然而，您的结果是二进制的，因此您应该将任何高于0.5的预测四舍五入到1，以及任何低于0.5的预测四舍五入到0。更有趣的可视化可能是截止线，其中一侧的点被预测为1，另一侧的点为0。要可视化此线，请绘制线，而不是平面

y=a*x1+b*x2+c

，而是

0.5=a*x1+b*x2+c

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

figure
surf(x1,x2,y);