एक रिग्रेशन मॉडल को प्लॉट करना

Python में Generalized Linear Models

Ita Cirovic Donev

Data Science Consultant

लाइब्रेरी आयात करें

import seaborn as sns
import matplotlib.pyplot as plt

Crab मॉडल 'sat ~ width' को model के रूप में सेव किया गया है

डेटा पॉइंट्स प्लॉट करें

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

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

crab डेटासेट से width और satellites की संख्या का स्कैटरप्लॉट.

जिटर जोड़ें

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

crab डेटासेट से width और satellites की संख्या का स्कैटरप्लॉट, जिसमें जिटर जोड़ा गया है.

लीनियर फिट जोड़ें

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

crab डेटासेट से width और satellites की संख्या का स्कैटरप्लॉट, कॉन्फिडेंस इंटरवल सहित लीनियर फिट.

Poisson GLM के अनुमानित मान जोड़ें

crab['fit_values'] = model.fittedvalues

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

crab डेटासेट के width–satellites स्कैटरप्लॉट पर लीनियर और Poisson फिट.

प्रेडिक्शन्स

width और satellites की संख्या के स्कैटरप्लॉट पर ओवरले किया हुआ Poisson मॉडल फिट

प्रेडिक्शन्स

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

0    1.881981

फिट किए गए Poisson रिग्रेशन मॉडल से width = 24cm पर अनुमानित मान पढ़ना.

प्रेडिक्शन्स

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

0    1.881981
1    3.627360

फिट किए गए Poisson रिग्रेशन मॉडल से width = 28cm पर अनुमानित मान पढ़ना.

प्रेडिक्शन्स

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

0    1.881981
1    3.627360
2    6.991433

फिट किए गए Poisson रिग्रेशन मॉडल से width = 32cm पर अनुमानित मान पढ़ना.

अभ्यास करते हैं!

Python में Generalized Linear Models