Tracer un modèle de régression

Modèles linéaires généralisés en Python

Ita Cirovic Donev

Data Science Consultant

Importer les bibliothèques

import seaborn as sns
import matplotlib.pyplot as plt

Le modèle des crabes 'sat ~ width' est enregistré sous model

Tracer les points de données

# Adjust figure size
plt.subplots(figsize = (8, 5))

# Plot data points
sns.regplot('width', 'sat', 
            data = crab,
            fit_reg = False)

Nuage de points de width et du nombre de satellites du jeu de données crab.

Ajouter du jitter

sns.regplot('width', 'sat', 
            data = crab,
            fit_reg = False,
            y_jitter = 0.3)

Nuage de points avec jitter ajouté de width et du nombre de satellites du jeu de données crab.

Ajouter un ajustement linéaire

sns.regplot('width', 'sat', 
            data = crab,
            y_jitter = 0.3,
            fit_reg = True,
            line_kws = {'color':'green', 
                        'label':'LM fit'})

Ajustement linéaire avec intervalles de confiance et nuage de points de width et du nombre de satellites du jeu de données crab.

Ajouter les valeurs estimées du GLM de Poisson

crab['fit_values'] = model.fittedvalues

sns.scatterplot('width','fit_values', 
                data = crab,
                color = 'red', 
                label = 'Poisson')

Ajustements linéaire et Poisson et nuage de points de width et du nombre de satellites du jeu de données crab.

Prédictions

Ajustement du modèle de Poisson superposé au nuage de points de width et du nombre de satellites

Prédictions

new_data = pd.DataFrame({'width':[24, 28, 32]})
model.predict(new_data)

0    1.881981

Lecture des valeurs prédites pour width à 24 cm avec le modèle de régression de Poisson ajusté.

Prédictions

new_data = pd.DataFrame({'width':[24, 28, 32]})
model.predict(new_data)

0    1.881981
1    3.627360

Lecture des valeurs prédites pour width à 28 cm avec le modèle de régression de Poisson ajusté.

Prédictions

new_data = pd.DataFrame({'width':[24, 28, 32]})
model.predict(new_data)

0    1.881981
1    3.627360
2    6.991433

Lecture des valeurs prédites pour width à 32 cm avec le modèle de régression de Poisson ajusté.

Passons à la pratique !

Modèles linéaires généralisés en Python