दो संख्यात्मक व्याख्यात्मक वैरिएबल्स

इंटरमीडिएट Regression with statsmodels in Python

Maarten Van den Broeck

Content Developer at DataCamp

तीन संख्यात्मक वैरिएबल्स का विज़ुअलाइज़ेशन

3D स्कैटर प्लॉट
2D स्कैटर प्लॉट, रिस्पॉन्स को रंग में दिखाएँ

फिश डेटासेट के लिए एक और कॉलम

species	mass_g	length_cm	height_cm
Bream	1000	33.5	18.96
Bream	925	36.2	18.75
Roach	290	24.0	8.88
Roach	390	29.5	9.48
Perch	1100	39.0	12.80
Perch	1000	40.2	12.60
Pike	1250	52.0	10.69
Pike	1650	59.0	10.81

3D स्कैटर प्लॉट

सभी मछली प्रजातियों का 3D स्कैटर प्लॉट, जिसमें अक्षों पर length, mass और height हैं। 2D प्लेन में इस प्लॉट की व्याख्या करना कठिन है.

2D स्कैटर प्लॉट, रिस्पॉन्स के लिए रंग

sns.scatterplot(x="length_cm", 
                y="height_cm",
                data=fish,
                hue="mass_g")

2D स्कैटर प्लॉट, तीसरे संख्यात्मक वैरिएबल को दिखाने के लिए mass को रंग में दिखाया गया है.

दो संख्यात्मक व्याख्यात्मक वैरिएबल्स के साथ मॉडलिंग

mdl_mass_vs_both = ols("mass_g ~ length_cm + height_cm",
                       data=fish).fit()

print(mdl_mass_vs_both.params)

Intercept   -622.150234
length_cm     28.968405
height_cm     26.334804

प्रेडिक्शन फ्लो

from itertools import product

length_cm = np.arange(5, 61, 5)
height_cm = np.arange(2, 21, 2)

p = product(length_cm, height_cm)

explanatory_data = pd.DataFrame(p,
                                columns=["length_cm",
                                         "height_cm"])

prediction_data = explanatory_data.assign(
  mass_g = mdl_mass_vs_both.predict(explanatory_data))

print(prediction_data)

     length_cm  height_cm       mass_g
0            5          2  -424.638603
1            5          4  -371.968995
2            5          6  -319.299387
3            5          8  -266.629780
4            5         10  -213.960172
..         ...        ...          ...
115         60         12  1431.971694
116         60         14  1484.641302
117         60         16  1537.310909
118         60         18  1589.980517
119         60         20  1642.650125

[120 rows x 3 columns]

प्रेडिक्शंस प्लॉट करना

sns.scatterplot(x="length_cm",
                y="height_cm",
                data=fish,
                hue="mass_g")

sns.scatterplot(x="length_cm",
                y="height_cm",
                data=prediction_data,
                hue="mass_g",
                legend=False,
                marker="s")

plt.show()

मछलियों के length, height और mass का स्कैटर प्लॉट, प्रेडिक्शन ग्रिड सहित.

एक इंटरैक्शन शामिल करना

mdl_mass_vs_both_inter = ols("mass_g ~ length_cm * height_cm",
                             data=fish).fit()

print(mdl_mass_vs_both_inter.params)

Intercept              159.107480
length_cm                0.301426
height_cm              -78.125178
length_cm:height_cm      3.545435

इंटरैक्शन के साथ प्रेडिक्शन फ्लो

length_cm = np.arange(5, 61, 5)
height_cm = np.arange(2, 21, 2)

p = product(length_cm, height_cm)

explanatory_data = pd.DataFrame(p,
                                columns=["length_cm",
                                         "height_cm"])

prediction_data = explanatory_data.assign(
  mass_g = mdl_mass_vs_both_inter.predict(explanatory_data))

प्रेडिक्शंस प्लॉट करना

sns.scatterplot(x="length_cm",
           y="height_cm",
           data=fish,
           hue="mass_g")

sns.scatterplot(x="length_cm",
                y="height_cm",
                data=prediction_data,
                hue="mass_g",
                legend=False,
                marker="s")

plt.show()

मछलियों के length, height और mass का स्कैटर प्लॉट, प्रेडिक्शन ग्रिड पर इंटरैक्शन टर्म सहित.

अभ्यास करते हैं!

इंटरमीडिएट Regression with statsmodels in Python