1. Học hỏi
    2. /
  2. Khoa Học
    3. /
  3. Mô hình Tuyến tính Tổng quát (GLM) trong Python
Connected

Bài tập

Trực quan hóa mức độ khớp mô hình bằng regplot()

Sau khi đã fit và phân tích mô hình, bạn có thể trực quan hóa nó bằng cách vẽ các điểm quan sát và đường hồi quy logistic đã fit.

Qua biểu đồ, bạn có thể nhìn trực quan mối quan hệ giữa biến giải thích và biến phản hồi trong toàn bộ khoảng giá trị của biến giải thích.

Ta có thể dùng hàm regplot() từ module seaborn cho việc này. Hàm regplot() nhận đối số logistic, cho phép bạn chỉ định có ước lượng mô hình hồi quy logistic cho dữ liệu đã cho hay không bằng giá trị True hoặc False. Tùy chọn này cũng sẽ tạo luôn đường khớp trên biểu đồ.

Nhắc lại mô hình bạn đã fit trước đó:
$$ \log\bigg(\frac{y}{1-y}\bigg) = -0.3055 + 0.3791*\text{arsenic} $$

Bộ dữ liệu wells đã được nạp sẵn trong môi trường làm việc của bạn.

Hướng dẫn

100 XP
  • Dùng dữ liệu wells để vẽ arsenic trên trục x và switch trên trục y.
  • Áp dụng y_jitter bằng 0.03 để dàn trải các giá trị của biến phản hồi giúp dễ quan sát hơn.
  • Dùng True cho đối số logistic để chồng hàm logistic lên dữ liệu và đặt đối số khoảng tin cậy ci là None để không hiển thị khoảng tin cậy, đồng thời tăng tốc tính toán.
  • Hiển thị biểu đồ bằng plt.show().