绘制两个回归特征时出现奇怪的散点图循环答案

【问题标题】：wierd scatter plot points loop when plotting two features for regression绘制两个回归特征时出现奇怪的散点图循环
【发布时间】：2018-12-29 11:16:24
【问题描述】：

我正在尝试对我的天气数据实施线性回归，以最高温度和压力为特征。我分别根据时间（时间与温度和时间与压力）绘制它们，并且这些图看起来很好但是当我绘制温度与压力的关系时（见附图）该图是一个散点的闭环，它让我担心，因为在这样的情节中我不能有回归线。此外，max-Temperature 和 Pressure 的 Pearson 相关值为 0.732。

我想知道是否应该绘制时间 vs 温度 vs 压力 3d 图并对其应用回归。这有助于解决我的问题吗？谢谢。

温度与压力：

温度与时间：

https://drive.google.com/open?id=1HS23qzK3B9zVodYQOtJWZ10NeLQ6JTox

上面是我正在使用的数据的链接。它是泡菜格式。

【问题讨论】：

能否请您发布数据链接？
我已经发布了我正在使用的数据的链接，请查看。 @詹姆斯菲利普斯
感谢提供数据链接。请在下面查看我的答案。

标签： python matplotlib machine-learning regression scatter-plot

【解决方案1】：

当我将时间、温度和压力绘制为 3D 散点图时，它看起来不像数据位于表面上，因此可以将 3D 表面方程拟合到数据中。这是我的 3D 散点图：

【讨论】：

感谢您的努力，但请您解释一下我可以用这些数据做什么来预测未来的价值。我的意思是它具有 0.7 的相关性，这非常好，必须有一些方法。而且我仍然不明白当它是一个时间序列数据时，为什么当温度和压力相互绘制时它会形成一个散点循环。请帮助我理解这一点。
如果您将数据视为 3D 散点图并从不同角度查看散点图，那么 显示为 仅使用 2D 投影的循环是 - 如图所示 - 实际上是弯曲的3D 环绕，但不进行 3D 循环。的确，当仅绘制一个数据维度与另一个数据维度时，相关性不为零 - 也就是说，是的，这些数据项是相关的。至于使用这个数据集来预测未来值，仅基于 3D 散点图，据我了解，仅使用这些数据是无法做出这样的预测数学模型的。
也许数据是季节性的，你可以比较季节而不是有一个连续的时间数字？这就是我处理这个问题的方式。
好的，我现在明白了。感谢您为我指明正确的方向。