web-dev-qa-db-ja.com

統計モデル線形回帰（OLS）をきれいにプロットする方法

問題文：

pandasデータフレームにニースのデータがあります。単純な線形回帰を実行したいと思います。

enter image description here

Statsmodelsを使用して、回帰を実行します。さて、どうすればプロットを取得できますか？ statsmodelsのplot_fitメソッドを試しましたが、プロットは少しファンキーです：

enter image description here

回帰の実際の結果を表す水平線を取得することを望んでいました。

Statsmodelsには 回帰をプロットするためのさまざまな方法 （ ここでそれらについてのいくつかの詳細 ）がありますが、それらのいずれも超単純なようではありませんあなたのデータの」-plot_fitが最も近いようです。

質問：

  • 上の最初の図は、matplotlib.axes._subplots.AxesSubplotを返すパンダのプロット関数です。そのプロットに回帰線を簡単に重ねることはできますか？
  • 私が見落とした統計モデルに機能はありますか？
  • この図をまとめるより良い方法はありますか？

関連する2つの質問：

どちらも良い答えがないようです。

サンプルデータ

@IgorRaushの要求どおり

        motifScore  expression
6870    1.401123    0.55
10456   1.188554    -1.58
12455   1.476361    -1.75
18052   1.805736    0.13
19725   1.110953    2.30
30401   1.744645    -0.49
30716   1.098253    -1.59
30771   1.098253    -2.04

abline_plot

私はこれを試しましたが、うまくいかないようです...理由はわかりません：

enter image description here

pandasmatplotlibstatsmodels
15
Alex Lenail

コメントで述べたように、seabornは統計データの視覚化に最適です。

import seaborn as sns

sns.regplot(x='motifScore', y='expression', data=motif)

sns.regplot

または、statsmodels.regression.linear_model.OLSを使用して、回帰直線を手動でプロットできます。

import statsmodels.api as sm

# regress "expression" onto "motifScore" (plus an intercept)
model = sm.OLS(motif.expression, sm.add_constant(motif.motifScore))
p = model.fit().params

# generate x-values for your regression line (two is sufficient)
x = np.arange(1, 3)

# scatter-plot data
ax = motif.plot(x='motifScore', y='expression', kind='scatter')

# plot regression line on the same axes, set x-axis limits
ax.plot(x, p.const + p.motifScore * x)
ax.set_xlim([1, 2])

manual

さらに別の解決策はstatsmodels.graphics.regressionplots.abline_plotです。これは、上記のアプローチから一部の定型文を取り除きます。

import statsmodels.api as sm
from statsmodels.graphics.regressionplots import abline_plot

# regress "expression" onto "motifScore" (plus an intercept)
model = sm.OLS(motif.expression, sm.add_constant(motif.motifScore))

# scatter-plot data
ax = motif.plot(x='motifScore', y='expression', kind='scatter')

# plot regression line
abline_plot(model_results=model.fit(), ax=ax)

abline_plot

19
Igor Raush