Wizualizacja dopasowania modelu za pomocą regplot()

Po dopasowaniu i analizie modelu możemy go zwizualizować, nanosząc punkty obserwacji oraz dopasowaną krzywą regresji logistycznej na wykres.

Dzięki wykresowi możesz zobaczyć, jak zmienna objaśniająca wpływa na zmienną odpowiedzi w całym zakresie jej wartości.

Do tego celu możemy użyć funkcji regplot() z modułu seaborn. Funkcja regplot() przyjmuje argument logistic, który określa, czy model regresji logistycznej ma zostać dopasowany do danych – wartość True oznacza tak, False – nie. Wynikiem będzie również wykres dopasowania.

Przypomnij sobie model, który wcześniej dopasowałeś: $$ \log\bigg(\frac{y}{1-y}\bigg) = -0{,}3055 + 0{,}3791*\text{arsenic} $$

Zbiór danych wells jest już wczytany do twojego środowiska pracy.

To ćwiczenie jest częścią kursu

Uogólnione modele liniowe w Pythonie

Zobacz kurs

Instrukcje do ćwiczenia

Używając zbioru danych wells, umieść arsenic na osi x, a switch na osi y.
Zastosuj y_jitter o wartości 0,03, aby rozrzucić wartości zmiennej odpowiedzi i ułatwić ich wizualizację.
Ustaw argument logistic na True, aby nałożyć krzywą logistyczną na dane, oraz argument ci na None, co wyłączy wyświetlanie przedziałów ufności i przyspieszy obliczenia.
Wyświetl wykres za pomocą plt.show().

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

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

# Display the plot
____

Edytuj i uruchom kod