Jak wykreślić krzywą regresji logistycznej w pythonie

Możesz użyć funkcji regplot() z biblioteki wizualizacji danych seaborn, aby wykreślić krzywą regresji logistycznej w Pythonie:

 import seaborn as sns

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

Poniższy przykład pokazuje, jak zastosować tę składnię w praktyce.

Przykład: wykreślenie krzywej regresji logistycznej w Pythonie

W tym przykładzie użyjemy domyślnego zestawu danych z książki Wprowadzenie do uczenia się statystycznego . Możemy użyć następującego kodu, aby załadować i wyświetlić podsumowanie zbioru danych:

 #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  

Ten zbiór danych zawiera następujące informacje na temat 10 000 osób:

• default: wskazuje, czy dana osoba nie wywiązała się ze zobowiązania, czy nie.
• student: wskazuje, czy dana osoba jest studentem, czy nie.
• saldo: Średnie saldo utrzymywane przez osobę.
• dochód: Dochód osoby fizycznej.

Załóżmy, że chcemy skonstruować model regresji logistycznej, który wykorzystuje „bilans” do przewidywania prawdopodobieństwa niewypłacalności danej osoby.

Możemy użyć następującego kodu do wykreślenia krzywej regresji logistycznej:

 #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 ) 

Oś x pokazuje wartości zmiennej predykcyjnej „saldo”, a oś y przedstawia przewidywane prawdopodobieństwo niewypłacalności.

Wyraźnie widać, że wyższe wartości równowagi wiążą się z większym prawdopodobieństwem niewypłacalności danej osoby.

Pamiętaj, że możesz także użyć scatter_kws i line_kws , aby zmienić kolory punktów i krzywej na wykresie:

 #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 '}) 

Możesz swobodnie wybierać kolory, które chcesz na działce.

Dodatkowe zasoby

Poniższe samouczki zawierają dodatkowe informacje na temat regresji logistycznej:

Wprowadzenie do regresji logistycznej
Jak raportować wyniki regresji logistycznej
Jak przeprowadzić regresję logistyczną w Pythonie (krok po kroku)