【发布时间】：2017-06-05 17:50:43
【问题描述】：
“在开始实施任何学习算法之前，如果可能，最好将数据可视化”。
这句话来自 Andrew Ng “机器学习”。
我想使用逻辑回归来预测年龄（泰坦尼克号）的缺失值。我的目标不是获得最好的结果，而是为了好玩。
但我不知道如何可视化 6 个维度： 1.P类 2. 性 3. 年龄 4. 同胞 5. 帕奇 6. 票价登机
Andrew Ng 讲述了一些二维的例子。数据可视化很容易。但是，如果我有 6 个维度，我如何可视化数据（以查找 Age 的缺失值）？
也许我可以使用主成分分析 (PCA) 进行降维，但我希望我能找到比 PCA 更简单的方法（Andrew Ng 告诉 PCA 有利于降维）
【问题讨论】：
-
您并不总是同时可视化所有维度；)
-
这可能不是主题，但通常在视觉上是高维数学对象时，更容易查看轮廓。这在统计中具有特殊意义 - 等高线图将可视化两个变量的依赖关系。做一些这样的。 （想象一张将 3D 地形可视化的地形图）。
-
你可以试试平行坐标。如果您en.wikipedia.org/wiki/Parallel_coordinates，这应该适用于 6 个维度
-
malioboro，你是对的。我播种了其他人如何解决这个任务（Kaggle 上的泰坦尼克号）。其中一些没有使用 6 个维度。他们使用二维（例如，'Embarked' (x) 和'Survived' (y) 等）。我尝试了“年龄”的平行坐标，但没有看到任何有趣的东西。
标签： python machine-learning logistic-regression