我刚开始学习matlab并参加了UBC AI课程。我使用最小二乘算法为我正在处理的数据集生成权重,我生成的权重是[ 0.3400 ,-0.0553 , -0.0667]
。
使用生成的权重,我预测了当前数据集的y值(预测值显示为x,实际值显示为圆点)。这就带来了一个问题,如何使用我收集到的数据和权重可视化回归平面。所以,我的问题基本上是如何使用我现在收集到的数据可视化线性回归平面,或者我漏掉了什么吗?
生成的权重是否对应于y截距、斜率及其方向?如果是,它们如何适合于2D平面方程?
我刚开始学习matlab并参加了UBC AI课程。我使用最小二乘算法为我正在处理的数据集生成权重,我生成的权重是[ 0.3400 ,-0.0553 , -0.0667]
。
使用生成的权重,我预测了当前数据集的y值(预测值显示为x,实际值显示为圆点)。这就带来了一个问题,如何使用我收集到的数据和权重可视化回归平面。所以,我的问题基本上是如何使用我现在收集到的数据可视化线性回归平面,或者我漏掉了什么吗?
生成的权重是否对应于y截距、斜率及其方向?如果是,它们如何适合于2D平面方程?
您生成的那些权重是回归系数,即Beta0、Beta1
和Beta2
。如果y
是您的纵轴,x1、x2
是您的特征或横轴,则它们为您提供了平面方程:
y = Beta0 + Beta1*x1 + Beta2*x2
对于您而言,这个式子是:
y = 0.3400 + -0.0553*x1 + -0.0667*x2
至于如何可视化这个平面,我们可以在这个SO答案中找到答案。
weights = [ 0.3400 ,-0.0553 , -0.0667];
[x1,x2]=ndgrid(-5:1:5,-5:1:5);
y = weights(1) + weights(2)*x1 + weights(3)*x2
figure
surf(x1,x2,y);