我有数据，我计算了 Spearman 相关性并希望将其可视化以用于出版物。因变量是排名的，自变量不是。我想要可视化的是总体趋势而不是实际斜率，因此我对独立进行了排名并应用了 Spearman 相关/回归。但就在我绘制数据并将其插入手稿时，我偶然发现了这个声明（在这个网站上）：
当您进行 Spearman 等级相关时，您几乎永远不会使用回归线进行描述或预测，因此不要计算回归线的等价物。
然后
您可以按照与线性回归或相关性相同的方式绘制 Spearman 等级相关性数据。但是，不要在图表上放置回归线；当您使用等级相关性分析图表时，将线性回归线放在图表上会产生误导。
问题是，回归线与我不对独立项进行排名并计算 Pearson 相关性时没有什么不同。趋势是一样的，但是由于期刊中彩色图形的高昂费用，我使用单色表示，实际数据点重叠太多以至于无法识别。
当然，我可以通过制作两个不同的图来解决这个问题：一个用于数据点（排名），一个用于回归线（未排名），但如果事实证明我引用的来源是错误的或问题在我的情况下没有那么大的问题，它会让我的生活更轻松。（我也看到了这个问题，但对我没有帮助。）
编辑以获取更多信息：
x 轴上的自变量表示特征的数量，y 轴上的因变量表示分类算法在比较其性能时的排名。现在我有一些平均而言可比的算法，但我想用我的情节说的是：“虽然分类器 A 变得更好，但存在的特征越多，分类器 B 越好，当存在的特征越少时”
编辑 2 以包括我的情节：
绘制的算法等级与特征数量
绘制的算法排名与排名的特征数量
因此，重复标题中的问题：
可以为 Spearman 相关/回归的排名数据绘制回归线吗？
