如何在python中从多个自变量和一个因变量绘制图形[多元线性回归]答案

【问题标题】：How to Plot graph from multiple independent variable and one dependent variable in python [Multiple linear regression]如何在python中从多个自变量和一个因变量绘制图形[多元线性回归]
【发布时间】：2019-04-16 08:19:21
【问题描述】：

我是机器学习的新手，面临的情况是如何在多元线性回归中去除多个自变量。我经历过的步骤：1）读取数据集 2）分成 X 和 Y 3）将分类数据编码为数据集包含列：教授等级，职业等... 4）删除虚拟变量 5）OLS 回归结果。

我有 7 个自变量，在 OLS 之后，我有 6 个自变量。由于 P 值大于 0.05 显着性水平，所以被 P > 0.05 删除。

您能否建议通过删除图像中附加的所有不必要的自变量来绘制图形的步骤是什么？如何从所有这些变量中仅获得 一个自变量。

如何使用 python 检查多重共线性？什么是 VIF 以及如何使用它来检测多重共线性

提前致谢。如有语法错误，请见谅。

OLS Regression Results Summary

【问题讨论】：

你了解p值吗？
欢迎来到 SO；请看看为什么an image of your code is not helpful
@DejanMarić，是的，我猜它的预测值需要高于 0.05 的显着性水平。由此，我们可以确定我们对零假设的假设是真还是假。

标签： python machine-learning plot linear-regression

【解决方案1】：

将多维线性关系可视化是相当困难的。 This post 分享了一些常用的可视化方法。

多重共线性是回归的一个大问题，这会导致您的 beta 中出现奇怪的系数。 VIF 是用于检测此问题的工具之一。通常，VIF 越接近 1 越好。

如果您有多重共线性，您可能需要继续以下选项之一：

找出相关变量
转换相关变量：Principal Component Analysis 确定潜在数据结构或使用Partial Least Squares

【讨论】：