Tracer un modèle de régression

Modèles linéaires généralisés en Python

Ita Cirovic Donev

Data Science Consultant

Importer les bibliothèques

import seaborn as sns
import matplotlib.pyplot as plt
  • Le modèle des crabes 'sat ~ width' est enregistré sous model
Modèles linéaires généralisés en Python

Tracer les points

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

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

Nuage de points de width et du nombre de satellites dans l'ensemble de données crab.

Modèles linéaires généralisés en Python

Ajouter de la gigue

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

Nuage de points avec gigue ajoutée de width et du nombre de satellites dans l'ensemble de données crab.

Modèles linéaires généralisés en Python

Ajouter un ajustement linéaire

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

Ajustement linéaire avec intervalles de confiance et nuage de points de width et du nombre de satellites dans l'ensemble de données crab.

Modèles linéaires généralisés en Python

Ajouter les valeurs estimées du GLM de Poisson

crab['fit_values'] = model.fittedvalues

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

Ajustements linéaire et de Poisson et nuage de points de width et du nombre de satellites dans l'ensemble de données crab.

Modèles linéaires généralisés en Python

Prédictions

Ajustement du modèle de Poisson superposé au nuage de points de width et du nombre de satellites

Modèles linéaires généralisés en Python

Prédictions

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

0    1.881981

Lecture des valeurs prédites pour width à 24 cm selon le modèle de régression de Poisson ajusté.

Modèles linéaires généralisés en Python

Prédictions

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

0    1.881981
1    3.627360

Lecture des valeurs prédites pour width à 28 cm selon le modèle de régression de Poisson ajusté.

Modèles linéaires généralisés en Python

Prédictions

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

0    1.881981
1    3.627360
2    6.991433

Lecture des valeurs prédites pour width à 32 cm selon le modèle de régression de Poisson ajusté.

Modèles linéaires généralisés en Python

Passons à la pratique !

Modèles linéaires généralisés en Python

Preparing Video For Download...