Data en lineaire modelfit plotten

In de vorige oefeningen heb je geoefend met het fitten en interpreteren van het Poisson-regressiemodel. In deze oefening ga je de crab-gegevens en daarna de modelfit visueel analyseren.

Eerst plot je een lineaire fit op de data, die je later gebruikt om te vergelijken met de gefitte waarden van Poisson-regressie.

Deze oefening maakt deel uit van de cursus

Generalized Linear Models in Python

Cursus bekijken

Oefeninstructies

Importeer de libraries seaborn en matplotlib.
Gebruik de crab-gegevensset om de datapunten te plotten met width op de x-as en sat op de y-as, met jitter van 0.3 voor de variabele sat.
Voeg een lineaire modelfit toe door het argument fit_reg op True te zetten.
Stel de 'color' van de lijnfit in op 'green' en het 'label' op 'LM fit'.

Praktische interactieve oefening

Probeer deze oefening eens door deze voorbeeldcode in te vullen.

# 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 bewerken en uitvoeren