Визуализация качества подгонки модели с помощью regplot()

После подгонки и анализа модели можно визуализировать результаты, нанеся на график точки наблюдений и подогнанную логистическую регрессию.

График позволяет наглядно оценить связь между объясняющей переменной и откликом в диапазоне значений объясняющей переменной.

Для этого воспользуйтесь функцией regplot() из модуля seaborn. Функция regplot() принимает аргумент logistic, с помощью которого можно указать, нужно ли оценивать логистическую регрессию для заданных данных — используйте значения True или False. Это также позволит отобразить кривую подгонки на графике.

Напомним, что ранее вы построили следующую модель: $$ \log\bigg(\frac{y}{1-y}\bigg) = -0{,}3055 + 0{,}3791*\text{arsenic} $$

Набор данных wells уже загружен в вашем рабочем пространстве.

Это упражнение является частью курса

Обобщённые линейные модели в Python

Посмотреть курс

Инструкции к упражнению

Используя данные wells, постройте график: переменная arsenic — по оси X, переменная switch — по оси Y.
Задайте y_jitter равным 0.03, чтобы немного разнести значения отклика и упростить визуализацию.
Установите аргумент logistic в значение True, чтобы наложить логистическую кривую на данные, а аргументу ci задайте значение None — это отключит отображение доверительного интервала и ускорит вычисления.
Отобразите график с помощью plt.show().

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

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

# Display the plot
____

Редактировать и запускать код