Reglot de mar

Seborn es una biblioteca de análisis visual basada en Matplotlib. Tiene un marco de alto nivel para definir los gráficos analíticos visualmente atractivos. El paquete matplotlib es la base del módulo marítimo. Para visualizar las estadísticas y el análisis de regresión, utilizamos la función Regplot ().

Para evaluar el modelo de regresión, hay muchos otros enfoques contradictorios interrelacionados. Siempre que la salida predicha sea un valor continuo y acumulativo, se conoce como modelo de predicción. Se pueden emplear muchos otros enfoques. El más básico de los cuales es el modelo lineal. Integra los valores al espacio óptimo de dimensiones superiores que pasa a través de todos los vértices. La función regplot () se usa para crear las gráficas de regresión.

El análisis de regresión es una técnica utilizada para evaluar las asociaciones entre uno o más factores o predictores independientes y los atributos o covariables dependientes. Las variaciones en los requisitos de correlación a las modificaciones en determinantes específicos se analizan a través del análisis de regresión. El requisito declarativo de los criterios depende de los indicadores, que dan el nuevo valor de los atributos dependientes cada vez que se actualizan los puntos de datos. Evaluar la intensidad de las covariables, anticipar un resultado y estimar las tres aplicaciones importantes de un modelo de regresión.

Ejemplo 1

En este paso, usamos el método Regplot () para dibujar el gráfico de regresión del marco de datos "MPG".

Importar Sevorn como SNS
Importar matplotlib.Pyplot como PLT
datos = SNS.load_dataset ("mpg")
SNS.regplot (x = "mpg",
y = "Aceleración",
datos = datos)
PLT.espectáculo()

Al comienzo del programa, importamos los marcos requeridos, Seaborn y Matplotlib.pyplot. Seborn es un módulo de Python para crear imágenes numéricas. Se correlaciona efectivamente con la biblioteca matplotlib. La biblioteca SeaBorn ayuda a los usuarios a acceder y evaluar los datos. Entre los módulos más utilizados para el análisis de datos está Matplotlib. Esta biblioteca es un paquete multiplataforma que crea gráficos bidimensionales utilizando una gama de datos. Incluye una interfaz para integrar gráficos en el marco gráfico de Python basado en aplicaciones.

Aquí, obtenemos un conjunto de datos de "MPG" aplicando el método Load_DataSet (). Este método está tomado de la biblioteca marítima. La función regplot () se emplea para dibujar las gráficas de regresión. El módulo marítimo contiene la función Regplot (). Este método contiene tres parámetros. El eje x del histograma contiene los valores de MPG. Mientras que el eje y del gráfico de regresión contiene los valores de aceleración. Al final, usamos el PLT.función show () para representar la trama.

Ejemplo 2

Otro método de visualización para trazar el gráfico de regresión es aplicando el método Regplot (). Aquí, empleamos este método en el conjunto de datos "Titanic".

Importar Sevorn como SNS
Importar matplotlib.Pyplot como PLT
datos = SNS.load_dataset ("Titanic")
SNS.regplot (x = "edad",
y = "tarifa",
datos = datos,
dropna = verdadero)
PLT.espectáculo()

En primer lugar, integramos los archivos de encabezado. La biblioteca marea está integrada como SNS y matplotlib.Pyplot está integrado como PLT. En el siguiente paso, cargamos el marco de datos requerido, por lo que aplicamos el método Load_DataSet (). Esta función contiene el parámetro "Titanic" como queremos el conjunto de datos del Titanic. El paquete marítimo contiene la función de load_dataSet (). En el siguiente paso, utilizamos la función Regplot (). Esta función crea la regresión visual del conjunto de datos Titanic. La función contiene diferentes argumentos, incluidos los datos, el valor del eje x, el eje y, los datos y la dropna.

Aquí, proporcionamos el valor del atributo "dropna". Al especificar el parámetro "dropna" a verdadero, podemos insertar una curvatura en una gráfica. El eje x del mapa de regresión está etiquetado como "edad" y el eje y está etiquetado como "tarifa". El PLT.El método show () se aplica para ilustrar el gráfico resultante.

Ejemplo 3

El método Regplot () de la Biblioteca SeaBorn también se puede utilizar para crear un diagrama de regresión. En este caso, creamos un gráfico de regresión del conjunto de datos "Ejercicio".

Importar Sevorn como SNS
Importar matplotlib.Pyplot como PLT
datos = SNS.load_dataset ("ejercicio")
SNS.regplot (x = "id",
y = "pulso",
datos = datos)
PLT.espectáculo()

Aquí, presentamos las bibliotecas esenciales, Seaborn como SNS y Matplotlib.Pyplot como PLT. Aplicamos la función load_dataSet () del módulo marítimo para adquirir los datos de "ejercicio". Los datos recopilados se guardan en el atributo de "datos". La gráfica de regresión se crea utilizando el método Regplot (). Este método se encuentra en el paquete marítimo. Este método tiene una variable que representa la identificación, el pulso y los datos del gráfico. Por último, para representar la trama, empleamos el PLT.método show ().

Ejemplo 4

En este caso, el método Regplot () especifica un conjunto de datos de "atención" y valores tanto del eje x como del eje y.

Importar Sevorn como SNS
Importar matplotlib.Pyplot como PLT
datos = SNS.load_dataset ("Atención")
SNS.regplot (x = "soluciones",
y = "puntaje",
datos = datos)
PLT.espectáculo()

Comenzamos integrando los paquetes SNS y PLT. La biblioteca marea se incorpora como SNS. Matplotlib se utiliza para integrar PLT. Ahora recuperamos el conjunto de datos apropiado. Como resultado, usamos la función load_dataSet (). Si queremos una base de datos de atención, este método tiene un argumento de "atención". El método load_dataSet () es parte del paquete marítimo.

Después de esto, se aplica el método Regplot () del módulo marido. Este módulo crea la trama de regresión. La función toma varios parámetros, como datos, valor del eje X y valor del eje y. El eje X del mapa de regresión está marcado como "soluciones" y el eje Y está marcado como "puntaje". El gráfico de regresión obtenido se visualiza usando el PLT.función show ().

Conclusión

En este artículo, hablamos sobre los numerosos métodos para crear las parcelas de regresión en Seaborn. Utilizamos el método Regplot () para dibujar las gráficas de regresión. Además, dibujamos gráficos de regresión de los diferentes conjuntos de datos incorporados de Seaborn. Las visualizaciones de regresión en el paquete Seaborn se diseñan exclusivamente para proporcionar una ayuda visual para resaltar las características del conjunto de datos durante la exploración de datos. Como su nombre lo indica, un mapa de regresión dibuja un límite de regresión entre dos variables y ayuda en la representación de los coeficientes de correlación subyacentes.