Python 如何在我的代码中实现回归模型的绘图？

我有一个小的学校项目，想以任何方式展示函数的情节，可能是这样的： 我知道我的代码可能很糟糕，如果你有任何改进，就把它们扔给我

这是我到目前为止一直在做的代码。。。我手工将数据编码到程序中

将numpy导入为np
从sklearn.linear_模型导入逻辑回归
从sklearn.metrics导入准确性\u分数
从sklearn导入线性_模型
Xtrain=np.数组（[[15,15,20,30,20,20]，
[10, 10, 15, 25, 15, 15],
[20, 20, 25, 35, 25, 25],
[20, 20, 30, 20, 30, 20],
[15, 15, 25, 15, 25, 15],
[25, 25, 35, 25, 35, 25],
[30, 30, 30, 30, 10, 10],
[25, 25, 25, 25, 10, 10],
[35, 25, 35, 35, 15, 15],
[20, 20, 30, 25, 30, 25],
[15, 15, 25, 20, 25, 20],
[25, 25, 35, 30, 35, 30],
[10, 10, 15, 25, 30, 20],
[10, 10, 10, 20, 25, 15],
[20, 20, 20, 30, 35, 25],
[20, 25, 25, 20, 30, 20],
[15, 20, 20, 15, 25, 15],
[25, 30, 30, 25, 35, 25]])
ytrain=np.数组（[20,15,25,20,15,25,15,10,20,15,25,15,15,10,20,20,15,25]）
lr=逻辑回归（）.fit（Xtrain，ytrain）
yhat=lr.预测（Xtrain）
打印（精度\分数（ytrain，yhat））

问题在于Xtrain（换句话说，Xaxis）由6个变量组成。这意味着它是6维的。除此之外，还有一个Y维度的ytrain。共有7个维度。在二维图上很难看到7个维度。但是，假设您想要绘制Xtrain中关于Ytrain的第一列，并在其顶部绘制预测的yhat，您可以执行以下操作。但是，请注意，这将不符合绘制完整Xtrain的原始目的

将numpy导入为np
从sklearn.linear_模型导入逻辑回归
从sklearn.metrics导入准确性\u分数
从sklearn导入线性_模型
将matplotlib.pyplot作为plt导入
Xtrain=np.数组（[[15,15,20,30,20,20]，
[10, 10, 15, 25, 15, 15],
[20, 20, 25, 35, 25, 25],
[20, 20, 30, 20, 30, 20],
[15, 15, 25, 15, 25, 15],
[25, 25, 35, 25, 35, 25],
[30, 30, 30, 30, 10, 10],
[25, 25, 25, 25, 10, 10],
[35, 25, 35, 35, 15, 15],
[20, 20, 30, 25, 30, 25],
[15, 15, 25, 20, 25, 20],
[25, 25, 35, 30, 35, 30],
[10, 10, 15, 25, 30, 20],
[10, 10, 10, 20, 25, 15],
[20, 20, 20, 30, 35, 25],
[20, 25, 25, 20, 30, 20],
[15, 20, 20, 15, 25, 15],
[25, 30, 30, 25, 35, 25]])
ytrain=np.数组（[20,15,25,20,15,25,15,10,20,15,25,15,15,10,20,20,15,25]）
lr=逻辑回归（）.fit（Xtrain，ytrain）
yhat=lr.预测（Xtrain）
plt.散射（x=Xtrain[：，0]，y=ytrain，color=“blue”）
plt.散射（x=Xtrain[：，0]，y=yhat，color=“red”）
plt.show（）

输出如下。在这种情况下，预测值和观测值非常接近。请让我知道，如果我的解释有任何意义，或者如果我阅读的问题要求完全错误

---

基本上，这以一种方式回答了我的问题，但我只考虑绘制模型的函数。我看到了许多方面的问题。谢谢你的回复@Amit