SEABORD Reglot

Searorn to biblioteka wizualnej analityki opartej na Matplotlib. Ma framework na wysokim poziomie do definiowania wizualnie atrakcyjnych wykresów analitycznych. Pakiet Matplotlib jest podstawą modułu morskiego. Aby wizualizować analizę statystyki i regresji, używamy funkcji regplot ().

Aby ocenić model regresji, istnieje wiele innych powiązanych ze sobą podejść. Ilekroć przewidywane dane wyjściowe jest zarówno wartością ciągłą, jak i skumulowaną, jest nazywana modelem prognostycznym. Można zastosować wiele innych podejść. Najbardziej podstawowy jest model liniowy. Integruje wartości z optymalną przestrzenią o wyższej wymiaru, która przechodzi przez wszystkie wierzchołki. Funkcja regplot () służy do tworzenia wykresów regresji.

Analiza regresji jest techniką stosowaną do oceny powiązań między jednym lub więcej niezależnymi czynnikami lub predyktorami oraz zależnymi atrybutami lub zmiennymi towarzyszami. Zmiany wymagań w korelacji z modyfikacjami w określonych determinantach są analizowane za pomocą analizy regresji. Wymaganie deklaratywne kryteriów zależy od wskaźników, które podają nową wartość atrybutów zależnych za każdym razem, gdy punkty danych są aktualizowane. Ocena intensywności zmiennych towarzyszących, przewidywanie wyniku i oszacowanie to trzy ważne zastosowania modelu regresji.

Przykład 1

W tym etapie używamy metody Regplot () do narysowania wykresu regresji ramki danych „MPG”.

Importuj Seaorn jako SNS
importować matplotlib.Pyplot as Plt
Data = SNS.load_dataset („mpg”)
Sns.Regplot (x = "mpg",
y = „przyspieszenie”,
dane = dane)
plt.pokazywać()

Na początku programu zaimportowaliśmy wymagane ramy, Searorn i Matplotlib.Pyplot. Searorn to moduł Python do tworzenia liczbowych wizualizacji. Jest skutecznie skorelowany z biblioteką MATPlotlib. Biblioteka Seaborn pomaga użytkownikom w dostępie do i oceny danych. Wśród najczęściej używanych modułów do analizy danych jest matplotlib. Ta biblioteka to pakiet międzyplatformowy, który tworzy dwuwymiarowe wykresy przy użyciu zakresu danych. Zawiera interfejs do integracji wykresów w Python Graphical Framework na podstawie aplikacji.

Tutaj otrzymujemy zestaw danych „MPG”, stosując metodę Load_Dataset (). Ta metoda pochodzi z biblioteki morskiej. Funkcja Regplot () jest stosowana do rysowania wykresów regresji. Moduł Seaorn zawiera funkcję Regplot (). Ta metoda zawiera trzy parametry. Oś x histogramu zawiera wartości MPG. Podczas gdy oś y wykresu regresji zawiera wartości przyspieszenia. W końcu używamy PLT.show () funkcja reprezentująca wykres.

Przykład 2

Inną metodą wizualizacji wykreślania wykresu regresji jest zastosowanie metody regplot (). Tutaj stosujemy tę metodę na zestawie danych „Titanic”.

Importuj Seaorn jako SNS
importować matplotlib.Pyplot as Plt
Data = SNS.Load_Dataset („Titanic”)
Sns.Regplot (x = "wiek",
y = „Fare”,
dane = dane,
Dropna = prawda)
plt.pokazywać()

Przede wszystkim integrujemy pliki nagłówka. Biblioteka Seaorn jest zintegrowana jako SNS i Matplotlib.Pyplot jest zintegrowany jako PLT. W następnym kroku ładujemy wymaganą ramkę danych, więc stosujemy metodę Load_Dataset (). Ta funkcja zawiera parametr „Titanic”, jak chcemy zestaw danych Titanic. Pakiet Seaorn znajduje się funkcja Load_Dataset (). W poniższym etapie korzystamy z funkcji regplot (). Ta funkcja tworzy wizualną regresję Titanic Dataset. Funkcja zawiera różne argumenty, w tym dane, wartość osi x, oś y, danych i dropna.

Tutaj podajemy wartość atrybutu „Dropna”. Określając parametr „dropna” do true, możemy wstawić krzywiznę do wykresu. Oś X mapy regresji jest oznaczona jako „wiek”, a oś y jest oznaczona jako „taryfa”. Plt.Metoda show () jest stosowana w celu zilustrowania wynikowego wykresu.

Przykład 3

Do utworzenia wykresu regresji można również użyć metody Regplot () biblioteki morskiej. W takim przypadku tworzymy wykres regresji zbioru danych „ćwiczenie”.

Importuj Seaorn jako SNS
importować matplotlib.Pyplot as Plt
Data = SNS.load_dataset („ćwiczenie”)
Sns.Regplot (x = "id",
y = „Pulse”,
dane = dane)
plt.pokazywać()

Tutaj przedstawiamy niezbędne biblioteki, Searorn jako SNS i Matplotlib.Pyplot as Plt. Stosujemy funkcję modułu modułowego modułu load_dataset () do uzyskania danych „ćwiczenia”. Zebrane dane są zapisywane w atrybucie „Dane”. Wykres regresji jest tworzony przy użyciu metody regplot (). Ta metoda znajduje się w pakiecie Seaorn. Ta metoda ma zmienną reprezentującą identyfikator, impuls i dane wykresu. Wreszcie, aby przedstawić działkę, stosujemy PLT.Metoda show ().

Przykład 4

W tym przypadku metoda regplot () określa zestaw danych „uwagi” i wartości zarówno osi x i osi y.

Importuj Seaorn jako SNS
importować matplotlib.Pyplot as Plt
Data = SNS.load_dataset („uwaga”)
Sns.Regplot (x = "rozwiązania",
y = "wynik",
dane = dane)
plt.pokazywać()

Zaczynamy od zintegrowania pakietów SNS i PLT. Biblioteka Seaorn jest włączona jako SNS. Matplotlib służy do integracji PLT. Teraz pobieramy odpowiedni zestaw danych. W rezultacie używamy funkcji Load_Dataset (). Jeśli chcemy bazy danych uwagi, ta metoda ma argument „uwagi”. Metoda Load_Dataset () jest częścią pakietu Seaorn.

Następnie stosuje się metodę Regplot () modułu morskiego. Ten moduł tworzy działkę regresji. Funkcja przyjmuje kilka parametrów, takich jak dane, wartość osi x i wartość osi y. Oś X mapy regresji jest oznaczona jako „rozwiązania”, a oś Y jest oznaczona jako „wynik”. Uzyskany wykres regresji jest następnie wizualizowany za pomocą PLT.show () funkcja.

Wniosek

W tym artykule rozmawialiśmy o licznych metodach tworzenia działek regresji w Seatorn. Wykorzystaliśmy metodę Regplot () do rysowania wykresów regresji. Ponadto narysowaliśmy wykresy regresji różnych wbudowanych zestawów danych. Wizualizacje regresji w pakiecie Seaorn są zaprojektowane wyłącznie w celu zapewnienia wizualnej pomocy w podkreśleniu funkcji z zestawu danych podczas eksploracji danych. Jak sama nazwa wskazuje, mapa regresji rysuje granicę regresji między dwiema zmiennymi i AIDS w przedstawieniu podstawowych współczynników korelacji.