मॉडल फिट का दृश्यांकन

Python में statsmodels के साथ Regression परिचय

Maarten Van den Broeck

Content Developer at DataCamp

अच्छे फिट के रेजिडुअल गुण

रेजिडुअल्स सामान्य रूप से वितरित हों
रेजिडुअल्स का औसत शून्य हो

फिर से ब्रीम और पर्च

ब्रीम: "अच्छा" मॉडल

mdl_bream = ols("mass_g ~ length_cm", data=bream).fit()

लंबाई के मुकाबले ब्रीम के द्रव्यमानों का स्कैटर प्लॉट, ट्रेंड लाइन सहित, जैसा पहले दिखाया गया था.

पर्च: "खराब" मॉडल

mdl_perch = ols("mass_g ~ length_cm", data=perch).fit()

लंबाई के मुकाबले पर्च के द्रव्यमानों का स्कैटर प्लॉट, ट्रेंड लाइन सहित, जैसा पहले दिखाया गया था.

रेजिडुअल्स बनाम फिटेड

ब्रीम

फिटेड वैल्यूज़ के मुकाबले ब्रीम मॉडल रेजिडुअल्स का स्कैटर प्लॉट, LOWESS ट्रेंड लाइन सहित. ट्रेंड लाइन x-अक्ष के पास रहती है.

पर्च

फिटेड वैल्यूज़ के मुकाबले पर्च मॉडल रेजिडुअल्स का स्कैटर प्लॉट, LOWESS ट्रेंड लाइन सहित. ट्रेंड लाइन V आकार बनाती है.

Q-Q प्लॉट

ब्रीम

ब्रीम मॉडल के स्टैंडर्डाइज़्ड रेजिडुअल्स बनाम सैद्धांतिक क्वांटाइल्स का Q-Q प्लॉट. दो आउटलायर्स को छोड़कर बिंदु समानता रेखा के क़रीब हैं.

पर्च

पर्च मॉडल के स्टैंडर्डाइज़्ड रेजिडुअल्स बनाम सैद्धांतिक क्वांटाइल्स का Q-Q प्लॉट. बिंदु समानता रेखा का क़रीबी अनुसरण नहीं करते, खासकर प्लॉट के दाएँ भाग में.

स्केल-लोकेशन प्लॉट

ब्रीम

फिटेड वैल्यूज़ के मुकाबले ब्रीम मॉडल के स्क्वायर रूट स्टैंडर्डाइज़्ड रेजिडुअल्स का स्कैटर प्लॉट, LOWESS ट्रेंड लाइन सहित. फिटेड वैल्यूज़ बढ़ने पर ट्रेंड लाइन थोड़ा ऊपर जाती है.

पर्च

फिटेड वैल्यूज़ के मुकाबले पर्च मॉडल के स्क्वायर रूट स्टैंडर्डाइज़्ड रेजिडुअल्स का स्कैटर प्लॉट, LOWESS ट्रेंड लाइन सहित. फिटेड वैल्यूज़ बढ़ने पर ट्रेंड लाइन कई बार ऊपर-नीचे होती है.

residplot()

sns.residplot(x="length_cm", y="mass_g", data=bream, lowess=True)
plt.xlabel("Fitted values")
plt.ylabel("Residuals")

qqplot()

from statsmodels.api import qqplot
qqplot(data=mdl_bream.resid, fit=True, line="45")

ब्रीम Q-Q प्लॉट, जैसा पहले देखा था

स्केल-लोकेशन प्लॉट

model_norm_residuals_bream = mdl_bream.get_influence().resid_studentized_internal

model_norm_residuals_abs_sqrt_bream = np.sqrt(np.abs(model_norm_residuals_bream))

sns.regplot(x=mdl_bream.fittedvalues, y=model_norm_residuals_abs_sqrt_bream, ci=None, lowess=True)

plt.xlabel("Fitted values")
plt.ylabel("Sqrt of abs val of stdized residuals")

ब्रीम स्केल-लोकेशन प्लॉट, जैसा पहले देखा था

अभ्यास करते हैं!

Python में statsmodels के साथ Regression परिचय