Python 绘制二维多权重线性回归分隔符
我从一个数据集开始,该数据集由具有两个特征的点组成 然后,我用三次多项式变换我的点,这会产生一个由九个特征点组成的数据集 最后,我运行了一个线性回归算法,得到了一个十个权重的向量 我知道给定一个三权向量,可以计算分隔线的斜率和y截距,然后可以通过np.linspace中的采样点绘制该线。然而,该方法似乎不适用于10权重向量 如何使用numpy和pyplot在原始输入空间(轴表示原始两个特征的笛卡尔坐标系)中绘制由这些权重创建的分隔符 编辑:三阶多项式变换将特征从X=[x1,x2]转换为Z=[1,x1,x2,x1^2,x1*x2,x2^2,x1^3,x1^2*X_2,x1*x2^2,x2^3] 线性回归的权重是一个大小为10的向量,使得w点Z=y_hatPython 绘制二维多权重线性回归分隔符,python,numpy,matplotlib,Python,Numpy,Matplotlib,我从一个数据集开始,该数据集由具有两个特征的点组成 然后,我用三次多项式变换我的点,这会产生一个由九个特征点组成的数据集 最后,我运行了一个线性回归算法,得到了一个十个权重的向量 我知道给定一个三权向量,可以计算分隔线的斜率和y截距,然后可以通过np.linspace中的采样点绘制该线。然而,该方法似乎不适用于10权重向量 如何使用numpy和pyplot在原始输入空间(轴表示原始两个特征的笛卡尔坐标系)中绘制由这些权重创建的分隔符 编辑:三阶多项式变换将特征从X=[x1,x2]转换为Z=[1,
我试图将w创建的分隔符绘制到二维图上,其中一个轴对应于x1,另一个对应于x2。至少按照我通常绘制线性回归模型的方式,2个特征表示二维(可以绘制),3个特征表示三维(仍然可以绘制),但高于第四维,我不认为你能画出任何东西……由此产生的分隔线不是直线,而是曲线。我看过在原始特征空间中绘制的非线性变换的图片,但我不知道它是如何完成的。您尝试过使用mlxtend吗?文档在这里:一个例子是