如何使用 Matplotlib、pandas 和 sklearn 创建线性回归图？答案

【问题标题】：How do I create a linear regression graph using Matplotlib, pandas, and sklearn?如何使用 Matplotlib、pandas 和 sklearn 创建线性回归图？
【发布时间】：2020-11-19 16:26:50
【问题描述】：

我正在尝试使用 Matplotlib、pandas 和 sklearn 创建线性回归图。但是，它似乎不起作用，我不知道为什么。

【问题讨论】：

你有两个问题①正如 Quang Hoang 所说，你必须对两个向量进行排序，②你的预测看起来不对，我可以看到许多横坐标非常接近且纵坐标相差很大的点，这不是线性模型的结果……

标签： python pandas matplotlib scikit-learn linear-regression

【解决方案1】：

您可以对goldEarned 进行排序并绘制：

order = np.argsort(goldEarned.ravel())

plt.plot(goldEarned[order], kills_preds[order])

【讨论】：

【解决方案2】：

您的问题的解决方案也可以是使用线性回归拟合的信息绘制一条新线！您将有一些权重 w1[x1] + w2[x2] ... +b（截距）。假设您在 X 数组中只有一个特征（kills）（只有一列）。您将得到一个由 y = w1[x1] +b 组成的简单直线方程。在这个方程 y：目标或/和预测中，x1 是特征，b 是截距。所以只需绘制它：如果你还有什么疑惑，建议你看看 sci-kit 的学习文档https://scikit-learn.org/stable/modules/generated/sklearn.linear_model.LinearRegression.html

points = np.linspace(np.min(kills), np.max(kills), 100)  # create an array from original array

w1 = linreg.coef_ # save the coefficient of linear regression into w1
b = linreg.intercept_ # save the intercept of linear regression
#### add plot to your data scatter plot 
plt.plot(points, (points*w1)+b , linestyle = '-', label = "fit")

【讨论】：

我很困惑，你的 X 轴应该是 gold_earned，所以只需修改点数组，使其从 goldearned 中获取最小值和最大值