Visualisera modellanpassning med regplot()
När vi har anpassat och analyserat modellen kan vi visualisera den genom att plotta observationspunkterna tillsammans med den anpassade logistiska regressionen.
Med hjälp av grafen kan du visuellt förstå sambandet mellan den förklarande variabeln och responsvariabeln för olika värden av den förklarande variabeln.
För detta använder vi funktionen regplot() från modulen seaborn. Funktionen regplot() tar ett argument logistic, som låter dig ange om du vill skatta den logistiska regressionsmodellen för given data med hjälp av värdena True eller False. Detta genererar också en plot av anpassningen.
Kom ihåg att modellen du anpassade tidigare är:
$$
\log\bigg(\frac{y}{1-y}\bigg) = -0.3055 + 0.3791*\text{arsenic}
$$
Datamängden wells är redan inläst i din arbetsmiljö.
Den här övningen är en del av kursen
Generaliserade linjära modeller i Python
Övningsinstruktioner
- Använd data från
wellsför att plottaarsenicpå x-axeln ochswitchpå y-axeln. - Applicera
y_jittermed värdet 0.03 för att sprida ut responsvärdena och göra visualiseringen tydligare. - Sätt argumentet
logistictillTrueså att den logistiska funktionen läggs ovanpå given data, och sätt argumentet för konfidensintervallcitillNone– detta döljer konfidensintervallet men snabbar upp beräkningen. - Visa grafen med
plt.show().
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Plot arsenic and switch and add overlay with the logistic fit
sns.regplot(x = ____, y = ____,
y_jitter = ____,
data = ____,
logistic = ____,
ci = ____)
# Display the plot
____