Grafici di regressione
Visualizzazione dei dati intermedia con Seaborn
Chris Moffitt
Instructor
Tracciare con regplot()
sns.regplot(data=df, x='temp',
y='total_rentals', marker='+')
Valutare la regressione con residplot()
- Un grafico dei residui è utile per valutare l'aderenza del modello
- Seaborn lo supporta con la funzione
residplot
sns.residplot(data=df, x='temp', y='total_rentals')
Regressione polinomiale
- Seaborn supporta la regressione polinomiale con il parametro
order
sns.regplot(data=df, x='temp',
y='total_rentals', order=2)
residplot con regressione polinomiale
sns.residplot(data=df, x='temp',
y='total_rentals', order=2)
Valori categorici
sns.regplot(data=df, x='mnth', y='total_rentals',
x_jitter=.1, order=2)
Stimatori
- In alcuni casi, un
x_estimatoraiuta a mettere in evidenza le tendenze
sns.regplot(data=df, x='mnth', y='total_rentals',
x_estimator=np.mean, order=2)
Raggruppare i dati in bin
x_binspermette di suddividere i dati in intervalli discreti- La retta di regressione è comunque adattata a tutti i dati
sns.regplot(data=df,x='temp',y='total_rentals',
x_bins=4)
