Графіки регресії

Середній рівень візуалізації даних із Seaborn

Chris Moffitt

Instructor

Набір даних про велосипеди

Аггреговані дані прокату велосипедів у Вашингтоні, округ Колумбія
Дані містять:
- Кількість прокатів
- Погодні дані
- Календарні дані
Чи можемо передбачити кількість прокатів?

Побудова з regplot()

sns.regplot(data=df, x='temp', 
            y='total_rentals', marker='+')

Графік регресії

Оцінювання регресії з residplot()

Графік резидуалів допомагає оцінити якість моделі
У Seaborn це робить функція residplot

sns.residplot(data=df, x='temp', y='total_rentals')

Графік резидуалів

Поліноміальна регресія

Seaborn підтримує поліноміальну регресію через параметр order

sns.regplot(data=df, x='temp', 
            y='total_rentals', order=2)

Графік регресії

residplot з поліноміальною регресією

sns.residplot(data=df, x='temp', 
              y='total_rentals', order=2)

Графік резидуалів

Категоріальні значення

sns.regplot(data=df, x='mnth', y='total_rentals',
            x_jitter=.1, order=2)

Графік резидуалів

Оцінювачі

У деяких випадках x_estimator корисний для підсвічування трендів

sns.regplot(data=df, x='mnth', y='total_rentals',
            x_estimator=np.mean, order=2)

Графік резидуалів

Бінування даних

x_bins дає змогу розбити дані на дискретні кошики
Лінія регресії все одно будується за всіма даними

sns.regplot(data=df,x='temp',y='total_rentals',
            x_bins=4)

Графік резидуалів

Давайте потренуємось!

Середній рівень візуалізації даних із Seaborn

Preparing Video For Download...