1. Uczyć się
    2. /
  2. Courses
    3. /
  3. Regresja średnio zaawansowana ze statsmodels w Pythonie
Connected

Exercise

Wizualizacja każdej zmiennej objaśniającej

Możliwość zobaczenia prognoz modelu ułatwia jego zrozumienie. Gdy mamy tylko jedną zmienną objaśniającą, seaborn pozwala to zrobić bez żadnych ręcznych obliczeń.

Aby zwizualizować zależność między numeryczną zmienną objaśniającą a numeryczną zmienną odpowiedzi, możesz narysować wykres punktowy z liniowym trendem.

Aby zwizualizować zależność między kategoryczną zmienną objaśniającą a numeryczną zmienną odpowiedzi, możesz narysować wykres pudełkowy.

Zbiór danych taiwan_real_estate jest dostępny.

Instrukcje 1/2

undefined XP
  • 1
    • Zaimportuj matplotlib.pyplot jako plt oraz seaborn jako sns.
    • Korzystając ze zbioru danych taiwan_real_estate, narysuj wykres punktowy z liniowym trendem przedstawiający cenę domu w zależności od liczby pobliskich sklepów convenience – bez wstążki przedziału ufności.
    • Wyświetl wykres.
  • 2
    • Korzystając ze zbioru danych taiwan_real_estate, narysuj wykres pudełkowy przedstawiający cenę domu w zależności od wieku budynku.