Графики регрессии
Средний уровень визуализации данных с Seaborn
Chris Moffitt
Instructor
Построение графика с помощью regplot()
sns.regplot(data=df, x='temp',
y='total_rentals', marker='+')
Оценка регрессии с помощью residplot()
- График остатков помогает оценить качество подгонки модели
- Seaborn поддерживает его через функцию
residplot
sns.residplot(data=df, x='temp', y='total_rentals')
Полиномиальная регрессия
- Seaborn поддерживает полиномиальную регрессию через параметр
order
sns.regplot(data=df, x='temp',
y='total_rentals', order=2)
residplot с полиномиальной регрессией
sns.residplot(data=df, x='temp',
y='total_rentals', order=2)
Категориальные значения
sns.regplot(data=df, x='mnth', y='total_rentals',
x_jitter=.1, order=2)
Оценщики
- В ряде случаев
x_estimatorпомогает выделить тенденции
sns.regplot(data=df, x='mnth', y='total_rentals',
x_estimator=np.mean, order=2)
Разбивка данных на интервалы
x_binsпозволяет разбить данные на дискретные интервалы- Линия регрессии при этом строится по всем данным
sns.regplot(data=df,x='temp',y='total_rentals',
x_bins=4)
