web-dev-qa-db-fra.com

Comment tracer proprement la régression linéaire (OLS) des modèles de statistiques

Énoncé du problème:

J'ai quelques belles données dans un cadre de données pandas. Je voudrais exécuter une régression linéaire simple dessus:

enter image description here

À l'aide de modèles statistiques, j'effectue ma régression. Maintenant, comment puis-je obtenir mon intrigue? J'ai essayé les modèles de statistiques plot_fit méthode, mais l'intrigue est un peu géniale:

enter image description here

J'espérais obtenir une ligne horizontale qui représente le résultat réel de la régression.

Statsmodels a un variété de méthodes pour tracer la régression ( quelques détails supplémentaires à leur sujet ici ) mais aucun ne semble être le super simple "tracer juste la ligne de régression en haut de vos données "- plot_fit semble être la chose la plus proche.

Des questions:

  • La première image ci-dessus provient de la fonction de tracé de pandas, qui renvoie un matplotlib.axes._subplots.AxesSubplot. Puis-je superposer facilement une ligne de régression sur ce tracé?
  • Y a-t-il une fonction dans les modèles de statistiques que j'ai ignorée?
  • Existe-t-il une meilleure façon de rassembler ce chiffre?

Deux questions connexes:

Aucun des deux ne semble avoir une bonne réponse.

Exemples de données

Comme demandé par @IgorRaush

        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

J'avais essayé, mais cela ne semble pas fonctionner ... je ne sais pas pourquoi:

enter image description here

pandasmatplotlibstatsmodels
15
Alex Lenail

Comme je l'ai mentionné dans les commentaires, seaborn est un excellent choix pour la visualisation de données statistiques.

import seaborn as sns

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

sns.regplot

Vous pouvez également utiliser statsmodels.regression.linear_model.OLS et tracez manuellement une ligne de régression.

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

Encore une autre solution est statsmodels.graphics.regressionplots.abline_plot ce qui enlève une partie du passe-partout de l'approche ci-dessus.

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