Wykres modelu regresji

Uogólnione modele liniowe w Pythonie

Ita Cirovic Donev

Data Science Consultant

Importowanie bibliotek

import seaborn as sns
import matplotlib.pyplot as plt

Model krabów 'sat ~ width' jest zapisany jako model

Wykres punktów danych

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

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

Wykres punktowy szerokości i liczby satelitów z zestawu danych crab.

Dodaj jitter

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

Wykres punktowy z dodanym jitterem dla szerokości i liczby satelitów z zestawu danych crab.

Dodaj dopasowanie liniowe

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

Dopasowanie liniowe z przedziałami ufności i wykres punktowy szerokości i liczby satelitów z zestawu danych crab.

Dodaj wartości estymowane GLM Poissona

crab['fit_values'] = model.fittedvalues

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

Dopasowanie liniowe i Poissona oraz wykres punktowy szerokości i liczby satelitów z zestawu danych crab.

Predykcje

Dopasowanie modelu Poissona nałożone na wykres punktowy szerokości i liczby satelitów

Predykcje

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

0    1.881981

Odczytywanie przewidywanych wartości dla szerokości 24 cm na podstawie dopasowanego modelu regresji Poissona.

Predykcje

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

0    1.881981
1    3.627360

Odczytywanie przewidywanych wartości dla szerokości 28 cm na podstawie dopasowanego modelu regresji Poissona.

Predykcje

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

0    1.881981
1    3.627360
2    6.991433

Odczytywanie przewidywanych wartości dla szerokości 32 cm na podstawie dopasowanego modelu regresji Poissona.

Czas na ćwiczenia!

Uogólnione modele liniowe w Pythonie