Regressieplots
Gevorderde datavisualisatie met Seaborn
Chris Moffitt
Instructor
Plotten met regplot()
sns.regplot(data=df, x='temp',
y='total_rentals', marker='+')
Regressie beoordelen met residplot()
- Een residuplot is handig om de fit van een model te beoordelen
- Seaborn ondersteunt dit via de functie
residplot
sns.residplot(data=df, x='temp', y='total_rentals')
Polynomiale regressie
- Seaborn ondersteunt polynomiale regressie met de parameter
order
sns.regplot(data=df, x='temp',
y='total_rentals', order=2)
residplot met polynomiale regressie
sns.residplot(data=df, x='temp',
y='total_rentals', order=2)
Categorische waarden
sns.regplot(data=df, x='mnth', y='total_rentals',
x_jitter=.1, order=2)
Schatters
- In sommige gevallen kan een
x_estimatortrends helpen uitlichten
sns.regplot(data=df, x='mnth', y='total_rentals',
x_estimator=np.mean, order=2)
Gegevens in bins indelen
- Met
x_binskun je de gegevens in discrete bakken verdelen - De regressielijn wordt nog steeds op alle data gefit
sns.regplot(data=df,x='temp',y='total_rentals',
x_bins=4)
