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_hat

---

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