회귀 모델 그리기

Python으로 배우는 Generalized Linear Models

Ita Cirovic Donev

Data Science Consultant

라이브러리 임포트

import seaborn as sns
import matplotlib.pyplot as plt

Crab 모델 'sat ~ width'는 model로 저장되어 있습니다.

데이터 포인트 그리기

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

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

crab 데이터셋의 너비와 위성 수 산점도

지터 추가

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

crab 데이터셋의 너비와 위성 수 산점도에 지터 추가

선형 적합 추가

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

crab 데이터셋의 너비와 위성 수 산점도에 신뢰구간 포함 선형 적합

포아송 GLM 추정값 추가

crab['fit_values'] = model.fittedvalues

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

crab 데이터셋의 너비와 위성 수 산점도에 선형과 포아송 적합을 표시.

예측값

너비와 위성 수 산점도 위에 겹쳐진 포아송 모델 적합

예측값

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

0    1.881981

적합된 포아송 회귀로 너비 24cm에서의 예측값 읽기

예측값

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

0    1.881981
1    3.627360

적합된 포아송 회귀로 너비 28cm에서의 예측값 읽기

예측값

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

0    1.881981
1    3.627360
2    6.991433

적합된 포아송 회귀로 너비 32cm에서의 예측값 읽기

Let's practice!

Python으로 배우는 Generalized Linear Models