如何根据分类输入变量可视化（绘制）回归输出？
How to visualize (make plot) of regression output against categorical input variable?
我正在对多个变量进行线性回归。在我的数据中，我有 n = 143 个特征和 m = 13000 个训练示例。我的一些特征是连续（有序）变量（面积、年份、房间数）。但我也有分类变量（地区、颜色、类型）。现在，我将我的一些功能与预测价格进行了可视化。例如，这里是 area 与预测 price 的关系图：
因为 area 是连续的序数变量，所以我可以轻松地可视化数据。但现在我想以某种方式可视化我的分类变量（如地区）对预测价格的依赖性。
对于分类变量，我使用了单热（虚拟）编码。
比如这样的数据：
转为这种格式：
如果我以这种方式对地区使用序号编码：
DistrictA - 1
DistrictB - 2
DistrictC - 3
DistrictD - 4
DistrictE - 5
通过将 1-5 置于 X 轴并将价格置于 Y 轴，我可以很容易地根据预测价格绘制此值。
但我使用了虚拟编码，现在我不知道如何显示（可视化）价格和分类变量之间的依赖关系 'District' 表示为一系列零和一。
在使用虚拟编码的情况下，如何绘制显示地区与预测价格的回归线的图？
如果你只是想知道不同地区对你的预测有多大影响，你可以直接查看训练系数。高 theta 表示该地区提高了价格。
如果要绘制此图，一种可能的方法是根据设置的区域使用 x 坐标制作散点图。
像这样（未经测试）：
plot.scatter(0, predict(data["DistrictA"==1]))
plot.scatter(1, predict(data["DistrictB"==1]))
等等。
（可能您需要提供与过滤数据向量大小相同的 x 向量。）
如果可以对 x 坐标添加轻微的随机扰动，效果会更好。
我正在对多个变量进行线性回归。在我的数据中，我有 n = 143 个特征和 m = 13000 个训练示例。我的一些特征是连续（有序）变量（面积、年份、房间数）。但我也有分类变量（地区、颜色、类型）。现在，我将我的一些功能与预测价格进行了可视化。例如，这里是 area 与预测 price 的关系图：
因为 area 是连续的序数变量，所以我可以轻松地可视化数据。但现在我想以某种方式可视化我的分类变量（如地区）对预测价格的依赖性。
对于分类变量，我使用了单热（虚拟）编码。
比如这样的数据：
转为这种格式：
如果我以这种方式对地区使用序号编码：
DistrictA - 1
DistrictB - 2
DistrictC - 3
DistrictD - 4
DistrictE - 5
通过将 1-5 置于 X 轴并将价格置于 Y 轴，我可以很容易地根据预测价格绘制此值。
但我使用了虚拟编码，现在我不知道如何显示（可视化）价格和分类变量之间的依赖关系 'District' 表示为一系列零和一。
在使用虚拟编码的情况下，如何绘制显示地区与预测价格的回归线的图？
如果你只是想知道不同地区对你的预测有多大影响，你可以直接查看训练系数。高 theta 表示该地区提高了价格。
如果要绘制此图，一种可能的方法是根据设置的区域使用 x 坐标制作散点图。 像这样（未经测试）：
plot.scatter(0, predict(data["DistrictA"==1]))
plot.scatter(1, predict(data["DistrictB"==1]))
等等。 （可能您需要提供与过滤数据向量大小相同的 x 向量。） 如果可以对 x 坐标添加轻微的随机扰动，效果会更好。