Почему я рисую только один признак при визуализации прогнозов для многокомпонентной регрессионной модели? ⇐ Python

[Anonymous]

Я работаю над задачей регрессии, где моя матрица признаков состоит из двух признаков: линейного члена и его квадрата (квадратичного признака). Моя модель правильно прогнозирует значения, но после многочисленных попыток я заметил, что для визуализации прогнозов необходимо построить график сопоставления прогнозов только с первым столбцом моей матрицы признаков (т. е. линейным объектом).
Вот соответствующая часть моего кода

Код: Выделить всё

X_custom_1 = np.arange(-5, 5, 0.01).reshape(1000, 1)
X_custom_2 = X_custom_1**2
X_custom = np.append(X_custom_1, X_custom_2, axis=1)
y_pred = model.predict(X_custom)

# Debugging
print(X_custom_1.shape, X_custom_2.shape)  # Output: (1000, 1) (1000, 1)
print(X_custom.shape, y_pred.shape)        # Output: (1000, 2) (1000, 1)

# Plotting
_, ax = plt.subplots(ncols=2, figsize=(19, 7))
ax[0].scatter(X, y)  # Original data
ax[0].plot(X_custom[:, 0], y_pred, color='red')  # Model predictions

В строке ax[0].plot() я рисую график X_custom[:, 0] (линейный объект) в зависимости от y_pred.
Мой вопрос: почему имеет смысл строить прогнозы только по первому признаку входной матрицы, а не использовать все признаки? Это потому, что линейный график по своей сути работает только для одного объекта?
Любые разъяснения приветствуются.

Подробнее здесь: https://stackoverflow.com/questions/793 ... ti-feature