Побудова даних і лінійного наближення моделі

У попередніх вправах ви потренувалися налаштовувати й тлумачити модель Пуассонівської регресії. У цій вправі ви візуально проаналізуєте дані crab, а потім — якість підгонки моделі.

Спочатку ви побудуєте лінійне наближення до даних, щоб пізніше порівняти його з оцінками, отриманими Пуассонівською регресією.

Ця вправа є частиною курсу

Узагальнені лінійні моделі в Python

Переглянути курс

Інструкції до вправи

Імпортуйте бібліотеки seaborn і matplotlib.
Використовуючи набір даних crab, побудуйте точки даних, де на осі x — width, а на осі y — sat, з джитером 0.3 для змінної sat.
Додайте лінійне наближення, встановивши аргумент fit_reg у True.
Задайте 'color' лінії як 'green' і 'label' як 'LM fit'.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# 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()

Редагувати та запускати код