Bir regresyon modeli çizmek

Python ile Genelleştirilmiş Doğrusal Modeller

Ita Cirovic Donev

Data Science Consultant

Kütüphaneleri içe aktarın

import seaborn as sns
import matplotlib.pyplot as plt

Yengeç modeli 'sat ~ width' model olarak kaydedildi

Veri noktalarını çiz

# Görsel boyutunu ayarla
plt.subplots(figsize = (8, 5))

# Veri noktalarını çiz
sns.regplot('width', 'sat', 
            data = crab,
            fit_reg = False)

Yengeç veri setinde genişlik ve uydu sayısının saçılım grafiği.

Jitter ekleyin

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

Yengeç veri setinde genişlik ve uydu sayısının saçılım grafiğinde titreşim (jitter) eklenmiş hali.

Doğrusal uyum ekleyin

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

Yengeç veri setinde genişlik ve uydu sayısının saçılım grafiği ile güven aralıklı doğrusal uyum.

Poisson GLM tahmin değerlerini ekleyin

crab['fit_values'] = model.fittedvalues

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

Yengeç veri setinde genişlik ve uydu sayısının saçılım grafiği ile Lineer ve Poisson uyumları.

Tahminler

Genişlik ve uydu sayısı saçılım grafiği üzerine bindirilmiş Poisson model uyumu

Tahminler

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

0    1.881981

Uyarlanmış Poisson regresyon modeliyle 24 cm genişlikteki tahmin değerini okuma.

Tahminler

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

0    1.881981
1    3.627360

Uyarlanmış Poisson regresyon modeliyle 28 cm genişlikteki tahmin değerini okuma.

Tahminler

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

0    1.881981
1    3.627360
2    6.991433

Uyarlanmış Poisson regresyon modeliyle 32 cm genişlikteki tahmin değerini okuma.

Hadi pratik yapalım!

Python ile Genelleştirilmiş Doğrusal Modeller