Grafico di un modello di regressione

Modelli lineari generalizzati in Python

Ita Cirovic Donev

Data Science Consultant

Importa librerie

import seaborn as sns
import matplotlib.pyplot as plt

Il modello crab 'sat ~ width' è salvato come model

Traccia i punti dati

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

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

Scatterplot di width e numero di satelliti del dataset crab.

Aggiungi jitter

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

Scatterplot con jitter aggiunto di width e numero di satelliti del dataset crab.

Aggiungi adattamento lineare

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

Adattamento lineare con intervalli di confidenza e dispersione di width e numero di satelliti del dataset crab.

Aggiungi valori stimati GLM di Poisson

crab['fit_values'] = model.fittedvalues

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

Adattamenti lineare e Poisson e dispersione di width e numero di satelliti del dataset crab.

Previsioni

Adattamento Poisson sovrapposto allo scatterplot di width e numero di satelliti

Previsioni

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

0    1.881981

Lettura delle previsioni per width a 24 cm dato il modello di regressione di Poisson adattato.

Previsioni

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

0    1.881981
1    3.627360

Lettura delle previsioni per width a 28 cm dato il modello di regressione di Poisson adattato.

Previsioni

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

0    1.881981
1    3.627360
2    6.991433

Lettura delle previsioni per width a 32 cm dato il modello di regressione di Poisson adattato.

Passiamo alla pratica !

Modelli lineari generalizzati in Python