如何解释线性回归的可视化

【问题标题】：How can I interpret visualization of linear regression如何解释线性回归的可视化
【发布时间】：2020-03-21 08:22:04
【问题描述】：

这是我的线性回归结果，它是 bigmarts 销售预测的实现
我是机器学习的新手，我不知道如何解释这个结果..如果有人向我解释这个图表，我会非常感激 result image 这是我的代码：

from sklearn.linear_model import LinearRegression
LR = LinearRegression(normalize=True)
predictors = train_df.columns.drop(['Item_Outlet_Sales', 'Item_Identifier', 'Outlet_Identifier'])
modelfit(LR, train_df, test_df, predictors, target, IDcol, 'LR.csv')
coef1 = pd.Series(LR.coef_, predictors).sort_values()
coef1.plot(kind='bar', title='Model Coefficients')

【问题讨论】：

您提供的详细信息不足以了解您所做的事情。能否请您发布您的代码，以便我们可以看到您做了什么
我发布了我的代码，请再次查看

标签： python machine-learning linear-regression prediction

【解决方案1】：

为了简单解释，我将考虑遵循线性回归假设。

在这里，

x1 , x2 是功能
theta0 是拦截词
theta1, theta2 是系数

您绘制了一个条形图，将 x 轴作为特征值（在我的情况下为 x1 和 x2），将 y 轴作为系数（在我的情况下为 theta1 和 theta2）值。对于每个特征值，都有一个对应的系数值。

所以在条形图中你提供的Outlet_Type_0 的系数大约是800

【讨论】：