如何绘制回归模型？答案

【问题标题】：How can I graph a regression model?如何绘制回归模型？
【发布时间】：2018-08-17 17:50:15
【问题描述】：

我使用混合线性回归拟合 (mixedlm) 将数据拟合到多项式方程：

y = a + bx + cx2

模型给了我a、b和c，我想快速创建多项式曲线的图形。

有没有一种无需手动输入公式中所有参数的快速方法？

我读过 coefplot2 但我无法在 python 上安装它，欢迎任何建议谢谢

【问题讨论】：

欢迎来到 StackOverflow。请按照您创建此帐户时的建议阅读并遵循帮助文档中的发布指南。 On topic、how to ask 和 ... the perfect question 在此处申请。 StackOverflow 不是设计、编码、研究或教程服务。
有很多可用的绘图包——而寻求建议对于 Stack Overflow 来说是题外话。生成值是基本的编程，一个简单的循环。你在哪里卡住了？
你能给出一些期望的输出示例吗？

标签： python plot graph model

【解决方案1】：

根据您的描述，不清楚您想要什么究竟。根据我的理解，如果您想始终拟合 2 次多项式，您可以使用 NumPy 的 polyfit 和 poly1d 来拟合并使用它进一步绘制图表。下面是一个示例，您不必手动输入系数a、b 和c 来创建图表：

x = np.arange(10)
y = x**2 + np.random.normal(-2,2,10) # Adding random noise to y = x**2

xmesh = np.linspace(x[0], x[-1], 100) # Fine x-mesh for plotting
fit = np.poly1d(np.polyfit(x, y, 2)) # 2nd order polynomial fit

plt.plot(x, y, 'ko', label = 'Original data') # Plotting original data 
plt.plot(xmesh, fit(xmesh), label = 'Fit') # Plotting polynomial fit  
plt.legend(fontsize=16)

结果图

【讨论】：

【解决方案2】：

不确定您所说的“手动”是什么意思。一个可行的简单方法是（使用 numpy 和 matplotlib）

 x = np.linspace(-10, 10, 1000) #put your real domain here
 y = a + b*x + c*x**2 #you have these values from the model
 plt.plot(x, y)
 plt.show()

【讨论】：

我有几个数据集要运行，我不想为每个人手动输入系数。我想知道是否有办法从模型结果中自动创建曲线