Modellanpassung mit regplot() visualisieren

Nachdem du das Modell angepasst und ausgewertet hast, kannst du es visualisieren, indem du die Beobachtungspunkte und die angepasste logistische Regression darstellst.

Mit dem Plot kannst du die Beziehung zwischen erklärender Variable und Antwortvariable über den Wertebereich der erklärenden Variable visuell nachvollziehen.

Dafür können wir die Funktion regplot() aus dem Modul seaborn verwenden. Die Funktion regplot() hat ein Argument logistic, mit dem du über True oder False angibst, ob für die gegebenen Daten ein logistisches Regressionsmodell geschätzt werden soll. Dadurch wird auch der Fit geplottet.

Zur Erinnerung: Das Modell, das du zuvor angepasst hast:
$$ \log\bigg(\frac{y}{1-y}\bigg) = -0.3055 + 0.3791*\text{arsenic} $$

Der Datensatz wells ist bereits in deinem Workspace geladen.

Diese Übung ist Teil des Kurses

<Kurs>Generalisierte lineare Modelle in Python</Kurs>

Kurs ansehen

Übungsanweisungen

Verwende die Daten wells, um arsenic auf der x-Achse und switch auf der y-Achse zu plotten.
Wende y_jitter von 0.03 an, um die Werte der Antwortvariable zur besseren Visualisierung zu streuen.
Nutze für das Argument logistic den Wert True, damit die logistische Funktion über die gegebenen Daten gelegt wird, und setze das Argument für Konfidenzintervalle ci auf None. Dadurch wird kein Konfidenzintervall angezeigt und die Berechnung beschleunigt.
Zeige den Plot mit plt.show() an.

Interaktive praktische Übung

Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.

# Plot arsenic and switch and add overlay with the logistic fit
sns.regplot(x = ____, y = ____, 
            y_jitter = ____,
            data = ____, 
            logistic = ____,
            ci = ____)

# Display the plot
____

Code bearbeiten und ausführen