使用热图可视化多元线性回归预测

如何解决使用热图可视化多元线性回归预测

我使用多元线性回归来预测部署无线传感器的现场每个区域的温度，传感器如下：42 个传感器部署在 1000x600 平方米的表面上，并收集这 42 个位置中每个位置的温度小时，见图： Sensors placement

我们这里有两个特征（位置又名：x 和 y），以及温度的输出，所以我根据数据集的 70% 拟合我的模型，为了以后的精度计算，但是在拟合之后我的模型我想对所有表面进行温度预测，特别是一个热图，它为我提供了作为 x 和 y 函数的温度（见图：Heatmap）

我被困在可视化部分，因为我的数据集包含 42 个已知位置及其各自的温度，我如何为 [0,1000] 中的每个 x 和 [0,600] 中的每个 y 绘制预测

我是否必须制作一个 nx2 矩阵来迭代 x 和 y 的所有值，然后将其提供给我的拟合模型？或者有没有更简单的方法

解决方法

您可以使用 np.meshgrid 创建一个点网格，然后使用您的模型在这个点网格上进行预测。

import numpy as np
import matplotlib.pyplot as plt

grid_x,grid_y = np.meshgrid(np.linspace(0,1000,100),np.linspace(0,600,60))
X = np.stack([grid_x.ravel(),grid_y.ravel()]).T

y_pred = model.predict(X)  # use your scikit-learn model here
image = np.reshape(y_pred,grid_x.shape)

plt.imshow(image,origin="lower")
plt.colorbar()
plt.show()