如何在python中绘制逻辑回归曲线

您可以使用seaborn数据可视化库的regplot()函数在Python中绘制逻辑回归曲线：

 import seaborn as sns

sns. regplot (x=x, y=y, data=df, logistic= True , ci= None )

以下示例展示了如何在实践中使用此语法。

示例：用 Python 绘制逻辑回归曲线

对于此示例，我们将使用《统计学习简介》一书中的默认数据集。我们可以使用以下代码来加载并显示数据集的摘要：

 #import dataset from CSV file on Github
url = "https://raw.githubusercontent.com/Statorials/Python-Guides/main/default.csv"
data = pd. read_csv (url)

#view first six rows of dataset
data[0:6]

        default student balance income
0 0 0 729.526495 44361.625074
1 0 1 817.180407 12106.134700
2 0 0 1073.549164 31767.138947
3 0 0 529.250605 35704.493935
4 0 0 785.655883 38463.495879
5 0 1 919.588530 7491.558572  

该数据集包含 10,000 人的以下信息：

• 违约：表明个人是否违约。
• 学生：表明个人是否是学生。
• 余额：个人持有的平均余额。
• 收入：个人的收入。

假设我们要构建一个逻辑回归模型，使用“平衡”来预测给定个人违约的概率。

我们可以使用以下代码绘制逻辑回归曲线：

 #define the predictor variable and the response variable
x = data[' balance ']
y = data[' default ']

#plot logistic regression curve
sns. regplot (x=x, y=y, data=data, logistic= True , ci= None ) 

x 轴显示预测变量“余额”的值，y 轴显示预测的违约概率。

我们可以清楚地看到，均衡值越高，个人违约的概率就越高。

请注意，您还可以使用scatter_kws和line_kws来更改图中点和曲线的颜色：

 #define the predictor variable and the response variable
x = data[' balance ']
y = data[' default ']

#plot logistic regression curve with black points and red line
sns. regplot (x=x, y=y, data=data, logistic= True , ci= None ),
            scatter_kws={' color ': ' black '}, line_kws={' color ': ' red '}) 

请随意在图中选择您想要的颜色。

其他资源

以下教程提供有关逻辑回归的更多信息：

逻辑回归简介
如何报告逻辑回归结果
如何在 Python 中执行逻辑回归（逐步）