如何使用 Matplotlib 向我的线性回归程序添加散点图和最佳拟合线答案

【问题标题】：How can I add a scatterplot and the line of best fit to my Linear Regression program using Matplotlib如何使用 Matplotlib 向我的线性回归程序添加散点图和最佳拟合线
【发布时间】：2021-11-12 13:12:10
【问题描述】：

from matplotlib import pyplot as plt


data = pd.read_csv("student-mat.csv", sep=";")

data = data[["G1", "G2", "G3", "studytime", "failures", "absences"]]

predict = "G3"

X = np.array(data.drop([predict], 1))
y = np.array(data[predict])

x_train, x_test, y_train, y_test = sklearn.model_selection.train_test_split(X, y, test_size = 0.1)

linear = linear_model.LinearRegression()

linear.fit(x_train, y_train)
accuracy = linear.score(x_test, y_test)
print(accuracy*100)

print('Coefficient: \n', linear.coef_)
print('Intercept: \n', linear.intercept_)

predictions = linear.predict(x_test)

for x in range(len(predictions)):
    print(predictions[x], x_test[x], y_test[x])

【问题讨论】：

如果没有数据，这个问题就无法重现。请参阅How to provide a reproducible copy of your DataFrame using df.head(30).to_clipboard(sep=',')，然后edit 您的问题，然后将剪贴板粘贴到代码块中。始终提供minimal reproducible example代码、数据、错误、当前输出和预期输出，如formatted text。如果相关，绘图图像是可以的。如果您不包含 mre，则该问题可能会被否决、关闭和删除。
seaborn.regplot

标签： python matplotlib machine-learning linear-regression

【解决方案1】：

示例（类似于上面的评论）：

import seaborn as sns
sns.regplot(x=y_test, y=predictions, ci=None, color="r")

【讨论】：

【解决方案2】：

您可以使用以下代码使用matplotlib绘制折线图：

a = linear.coef_
b = linear.intercept_
plt.plot(x_train, a*x_train + b)

或另一种可能的解决方案是：

m = linear.coef_
b = linear.intercept_
regression_line = [(m*x)+b for x in x_train]
import matplotlib.pyplot as plt
from matplotlib import style
style.use('ggplot')
plt.scatter(x_train,y_train,color='#003F72')
plt.plot(x_train, regression_line)
plt.show()

【讨论】：