กราฟ Regression และ Residual
Linear regression เป็นเครื่องมือที่มีประโยชน์สำหรับทำความเข้าใจความสัมพันธ์ระหว่างตัวแปรเชิงตัวเลข Seaborn มีเครื่องมือที่เรียบง่ายแต่ทรงพลังสำหรับวิเคราะห์ความสัมพันธ์เหล่านี้
ในแบบฝึกหัดชุดนี้ เราจะดูข้อมูลจากกระทรวงศึกษาธิการสหรัฐฯ เกี่ยวกับค่าเล่าเรียนของมหาวิทยาลัย 4 ปี และสำรวจว่าตัวแปรใดอาจช่วยพยากรณ์ค่าเล่าเรียนได้บ้าง
ข้อมูลทั้งหมดถูกโหลดไว้ในตัวแปร df แล้ว
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
การสร้างภาพข้อมูลระดับกลางด้วย Seaborn
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
# Display a regression plot for Tuition
sns.____(data=df,
y='____',
x='SAT_AVG_ALL',
marker='^',
color='g')
plt.show()
plt.clf()