Визуализация данных и подгонка линейной модели

В предыдущих упражнениях вы практиковались в подгонке и интерпретации модели Пуассона. В этом упражнении вы визуально проанализируете данные crab, а затем — качество подгонки модели.

Сначала вы построите линейную подгонку к данным, чтобы затем сравнить её с предсказанными значениями регрессии Пуассона.

Это упражнение является частью курса

Обобщённые линейные модели в Python

Посмотреть курс

Инструкции к упражнению

Импортируйте библиотеки seaborn и matplotlib.
Используя набор данных crab, постройте точечный график: переменная width на оси x, переменная sat на оси y, с джиттером 0.3 для переменной sat.
Добавьте подгонку линейной модели, установив аргумент fit_reg в значение True.
Задайте 'color' линии подгонки как 'green', а 'label' — как 'LM fit'.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# 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()

Редактировать и запускать код