Python：为什么我的线性回归图给了我许多杂乱的彩色线条？

这是我得到的代码，但我不确定为什么它会给我如此糟糕的情节。我哪里出错了

import pandas as pd

df = pd.read_csv('https://archive.ics.uci.edu/ml/machine-learning-databases/housing/housing.data', header = None, sep = '\s+')
df.columns = ["CRIM", "ZN", 'INDUS', 'CHAS', 'NOX', 'RM', 'AGE', 'DIS', 'RAD', 'TAX', 'PTRATIO', 'B', 'LSTAT','MEDV']
# print df
X = df.iloc[:,:-2].values
y = df.iloc[:,-1].values

from sklearn.linear_model import LinearRegression
lr = LinearRegression()
lr.fit(X, y)

import matplotlib.pyplot as plt
plt.plot(X, lr.predict(X))
plt.show()

---

我怀疑你的问题/困惑在于问题的规模。我的理解是，您希望看到一条直线穿过点，比如直线函数在X中的位置，并输出

lr.predict（X）

。你不会看到那一行，因为你的X变量有12列，所以你有12个不同的自变量

---

如果您试图将所有变量与一个因变量</code>lr.predict（X）一起绘制，那么您将需要13个维度。

plot

方法不会为您绘制。相反，它试图为X中的每个维度绘制12条不同的线。这就是您看到的。

我怀疑您的问题/困惑在于问题的维度。我的理解是，您希望看到一条直线穿过点，比如直线函数在X中的位置，并输出

lr.predict（X）

。你不会看到那一行，因为你的X变量有12列，所以你有12个不同的自变量

---

如果您试图将所有变量与一个因变量</code>lr.predict（X）一起绘制，那么您将需要13个维度。

plot

方法不会为您绘制。相反，它尝试为X中的每个维度绘制12条不同的线。这就是您看到的。

请更具描述性。我不想运行你的代码只是为了找出发生了什么。你想描绘的是什么？y对y预测？如果是这样，请尝试

plt.scatter（y，lr.predict（X））

我正试图绘制一条X与X预测的曲线，基本上是一条贯穿数据的lr线，但我不确定为什么该曲线会将所有数据点连接在一起X是一组自变量，因此X预测没有意义。相反，您使用X来预测y。是的，我的意思是原始X作为X轴上的自变量，而y值将是基于X的自变量的预测值。请更具描述性。我不想运行你的代码只是为了找出发生了什么。你想描绘的是什么？y对y预测？如果是这样，请尝试

plt.scatter（y，lr.predict（X））

我正试图绘制一条X与X预测的曲线，基本上是一条贯穿数据的lr线，但我不确定为什么该曲线会将所有数据点连接在一起X是一组自变量，因此X预测没有意义。相反，你使用X来预测y。是的，我的意思是原始X作为X轴上的自变量，而我的y值将是基于X的自变量的预测值。我有完全相同的问题，但我的测试数据的y变量中只有一列。我做错了什么？我的代码与上面的代码没有太大区别。预测结果是否存在问题？请帮助我。我有完全相同的问题，但我的测试数据的y变量中只有一列。我做错了什么？我的代码与上面的代码没有太大区别。预测结果是否存在问题？请帮帮我。