Python 如何在多元多项式回归中可视化回归线？

所以我有这个代码，我的SGD模型得到了很好的r分数。我唯一要做的就是想象回归线，我不知道如何。这是我的密码：

from sklearn.datasets import make_friedman1
import matplotlib.pyplot as plt
from sklearn.linear_model import SGDRegressor
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import PolynomialFeatures

X_F1, y_F1 = make_friedman1(n_samples = 100,
                           n_features = 7, random_state=0)
poly = PolynomialFeatures(degree=2)
X_train_scale = poly.fit_transform(X_F1)
poly.fit(X_train_scale,y_F1)
X_train, X_test, y_train, y_test = train_test_split(X_train_scale,y_F1, random_state=0)
PolyReg = SGDRegressor(alpha=0.001,max_iter=100000).fit(X_train,y_train)
print ("Intercept for the Polynomial model ",PolyReg.intercept_)
print ("Coefficents for the Polynomial model ",PolyReg.coef_)
print ("R-squared Score (training) = ",PolyReg.score(X_train,y_train))
print ("R-squared Score (test) = ",PolyReg.score(X_test,y_test))

---

类似这样的东西

x = X_test
y = `PolyReg.coef_ * x + PolyReg.intercept_
plt.plot(x, y, '-')
plt.show()

根据希望看到的内容替换

x

和

y

值。 也可以通过以下方式在同一绘图上添加数据点：

plt.plot(x, y_test, ".")

---

非常感谢！但我注意到，当我沿着数据集绘制回归线时，所有的点都在这条线上。我是python的初学者，所以我不知道是什么原因导致了这一点。好吧，我想帮助你如何绘制。但对数据的理解是站在你这边的；-）我的意思是：用您想要绘制的任何内容替换

x

和

y

，例如，您可能想要绘制列车数据，而不是测试数据。也许学习过程本身存在缺陷；我相信你写的，系数是好的。在任何情况下，现在您已经能够进行绘图，了解发生了什么应该会有所帮助。@JayrhaldPadilla欢迎您这样做。请不要用与初始问题无关的后续问题扩展问题；既然答案解决了你所要求的问题，那就开玩笑地接受它吧——看。如果您有后续问题，请打开新帖子。