Vykreslení regresního modelu

Zobecněné lineární modely v Pythonu

Ita Cirovic Donev

Data Science Consultant

Import knihoven

import seaborn as sns
import matplotlib.pyplot as plt

Model crab 'sat ~ width' je uložen jako model

Vykreslení datových bodů

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

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

Bodový graf šířky a počtu satelitů z datové sady crab.

Přidání jitteru

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

Bodový graf s přidaným jitterem šířky a počtu satelitů z datové sady crab.

Přidání lineárního fitu

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

Lineární fit s intervaly spolehlivosti a bodový graf šířky a počtu satelitů z datové sady crab.

Přidání odhadnutých hodnot Poissonova GLM

crab['fit_values'] = model.fittedvalues

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

Lineární a Poissonův fit a bodový graf šířky a počtu satelitů z datové sady crab.

Předpovědi

Poissonův fit přes bodový graf šířky a počtu satelitů

Předpovědi

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

0    1.881981

Odečtení předpovězených hodnot pro šířku 24 cm z fitovaného Poissonova regresního modelu.

Předpovědi

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

0    1.881981
1    3.627360

Odečtení předpovězených hodnot pro šířku 28 cm z fitovaného Poissonova regresního modelu.

Předpovědi

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

0    1.881981
1    3.627360
2    6.991433

Odečtení předpovězených hodnot pro šířku 32 cm z fitovaného Poissonova regresního modelu.

Pojďme si procvičit!

Zobecněné lineární modely v Pythonu