1. Apprendre
    2. /
  2. Cours
    3. /
  3. Modèles linéaires généralisés en Python
Connected

Exercice

Visualiser l'ajustement du modèle avec regplot()

Après avoir ajusté et analysé le modèle, nous pouvons le visualiser en traçant les points d'observation et la régression logistique ajustée.

Grâce au graphique, vous pouvez voir visuellement la relation entre la variable explicative et la réponse pour l'ensemble des valeurs de la variable explicative.

Nous pouvons utiliser la fonction regplot() du module seaborn pour cela. La fonction regplot() accepte un argument logistic, qui vous permet d'indiquer si vous souhaitez estimer le modèle de régression logistique pour les données fournies à l'aide des valeurs True ou False. Cela produira également le tracé de l'ajustement.

Rappelez-vous que le modèle que vous avez ajusté précédemment :
$$ \log\bigg(\frac{y}{1-y}\bigg) = -0.3055 + 0.3791*\text{arsenic} $$

Le jeu de données wells est déjà chargé dans votre environnement de travail.

Instructions

100 XP
  • En utilisant les données wells, tracez arsenic sur l'axe des x et switch sur l'axe des y.
  • Appliquez un y_jitter de 0.03 pour étaler les valeurs de la réponse et faciliter la visualisation.
  • Utilisez True pour l'argument logistic afin de superposer la fonction logistique aux données, et définissez l'argument des intervalles de confiance ci à None, ce qui n'affichera pas d'intervalle de confiance et accélérera le calcul.
  • Affichez le graphique avec plt.show().