Daten und linearen Modell-Fit plotten

In den vorherigen Übungen hast du geübt, wie man das Poisson-Regressionsmodell anpasst und interpretiert. In dieser Übung analysierst du die crab-Daten und anschließend den Modell-Fit visuell.

Zuerst plottest du einen linearen Fit zu den Daten, den du später mit den angepassten Werten der Poisson-Regression vergleichen wirst.

Diese Übung ist Teil des Kurses

Generalisierte lineare Modelle in Python

Kurs anzeigen

Anleitung zur Übung

Importiere die Bibliotheken seaborn und matplotlib.
Plotte mit dem crab-Datensatz die Datenpunkte mit width auf der x-Achse und sat auf der y-Achse, mit einem Jitter von 0.3 für die Variable sat.
Füge einen linearen Modell-Fit hinzu, indem du das Argument fit_reg auf True setzt.
Setze die 'color' der Fit-Linie auf 'green' und das 'label' auf 'LM fit'.

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# Import libraries
import ____ as sns
import ____.pyplot as plt

# Plot the data points and linear model fit
sns.regplot(____, ____, data = ____,
            y_jitter = ____,
            fit_reg = ____,
            line_kws = {'color':____, 
                        'label':____})

# Print plot
plt.show()

Code bearbeiten und ausführen