難以理解具有多個特征的線性回歸

Question

假設可以輕松針對房屋面積（預測變量）繪制房屋價格（目標變量），並且可以看到繪制的數據並通過數據繪制一條最佳擬合線。

但是，考慮一下我們是否具有預測變量（大小，卧室數，位置，樓層數）等。我該如何針對目標變量繪制所有這些變量並將其可視化為二維圖形？

Answer 1

如果您確實想要2D圖形，那肯定不容易。 一種可能的方法是使用主成分分析之類的方法將數據的維數減少到2。 然后，您可以再次將其繪制為二維。 縮小到3個尺寸而不是2個尺寸可能仍然可行，人類可以很好地理解在2D屏幕上繪制的3D圖。

但是，您通常通常不需要手動進行線性回歸，因此也不需要數據的2D繪圖。 您可以讓您的計算機計算線性回歸，並且在超過2或3維的情況下可以很好地工作。

Answer 2

計算不應該是一個問題（無論維數如何，數學都可以起作用），但是繪制肯定會很棘手。 PCA可能難以解釋，而在此處強制正交可能不合適。 我會查看此處提供的一些建議： https : //stats.stackexchange.com/questions/73320/how-to-visualize-a-fitted-multiple-regression-model

從根本上講，這取決於您要交流的內容。 適合度？ 也許將多個殘差圖放在一起。