难以理解具有多重特征的线性回归

Question

假设房价（目标变量）可以很容易地与房屋面积（预测变量）作图，我们可以看到绘制的数据，并通过数据绘制出一条最佳拟合线。你知道吗

但是，如果我们有预测变量（大小，数量卧室，地点，数量地板）等。我要如何策划所有这些针对 目标变量并在二维图形上可视化？你知道吗

Answer 1

计算不应该是一个问题（不管维度如何，数学都是有效的），但是绘图肯定会变得很棘手。主成分分析很难解释，强制正交性在这里可能不合适。我想看看这里提供的一些建议：https://stats.stackexchange.com/questions/73320/how-to-visualize-a-fitted-multiple-regression-model

从根本上说，这取决于你想要传达什么。拟合优度？也许把多个残差图放在一起。你知道吗

Answer 2

如果你真的想要一个二维图形，那肯定不容易。一种可能的方法是使用Principal Component Analysis之类的方法将数据的维数降低到2。然后你可以再画二维图。减少到3维而不是2维可能仍然有效，人类可以相当好地理解在2D屏幕上绘制的3D绘图。你知道吗

不过，通常不需要手动进行线性回归，因此也不需要数据的二维绘图。你只需要让你的电脑计算线性回归，在2维或3维以上的情况下就可以了。你知道吗