在 Matplotlib 中繪製迴歸圖和殘差圖

為了建立給定變數聯合分佈的觀測值之間的簡單關係，我們可以使用 Seaborn 來建立迴歸模型的圖。

要使用迴歸模型對資料集進行擬合，我們首先必須在 Python 中匯入必要的庫。

我們將為每個迴歸模型建立圖：(a) 線性迴歸、(b) 多項式迴歸和 (c) 邏輯迴歸。

在此示例中，我們將使用可從此處訪問的葡萄酒質量資料集，https://archive.ics.uci.edu/ml/datasets/wine+quality

示例

import matplotlib.pyplot as plt
import seaborn as sns
from scipy.stats import pearsonr
sns.set(style="dark", color_codes=True)

#import the dataset
wine_quality = pd.read_csv('winequality-red.csv', delimiter=';')

#Plotting Linear Regression
R, p = pearsonr(wine_quality['fixed acidity'], wine_quality.pH)
g1 = sns.regplot(x='fixed acidity', y='pH', data=wine_quality, truncate=True, ci=99,
marker='D', scatter_kws={'color': 'r'});
textstr = '$\mathrm{pearson}\hspace{0.5}\mathrm{R}^2=%.2f$
$\mathrm{pval}=%.2e$ '% (R**2, p)
props = dict(boxstyle='round', facecolor='wheat', alpha=0.5)
g1.text(0.55, 0.95, textstr, fontsize=14, va='top', bbox=props)
plt.title('1. Linear Regression', size=15, color='b', weight='bold')

#Let us Plot the Polynomial Regression plot for the wine dataset
g2 = sns.regplot(x='fixed acidity', y='pH', data=wine_quality, order=2, ci=None,
   marker='s', scatter_kws={'color': 'skyblue'},
   line_kws={'color': 'red'});
plt.title('2. Polynomial Regression', size=15, color='r', weight='bold')

#Now plotting the Logistic Regression
wine_quality['Q'] = wine_quality['quality'].map({'Low': 0, 'Med': 0, 'High':1})
g2 = sns.regplot(x='fixed acidity', y='Q', logistic=True,
   n_boot=750, y_jitter=.03, data=wine_quality,
   line_kws={'color': 'r'})
plt.show();

#Now plot the residual plot
g3 = sns.residplot(x='fixed acidity', y='density', order=2,
   data=wine_quality, scatter_kws={'color': 'r',
   'alpha': 0.5});
plt.show();

執行以上程式碼將生成如下輸出：