วิธีการพล็อต statsmodels การถดถอยเชิงเส้น (OLS) อย่างหมดจดใน Matplotlib?

เราสามารถพล็อต statsmodels การถดถอยเชิงเส้น (OLS) ด้วยเส้นโค้งที่ไม่เป็นเชิงเส้น แต่มีข้อมูลเชิงเส้น

ขั้นตอน

• กำหนดขนาดรูปและปรับช่องว่างภายในระหว่างและรอบๆ แผนผังย่อย

• หากต้องการสร้างใหม่ เราสามารถใช้ seed() วิธีการ

• เริ่มต้นจำนวนตัวอย่างและตัวแปรซิกมา

• สร้างจุดข้อมูลเชิงเส้น x, X, เบต้า, t_true , y และ ความละเอียด ใช้ numpy

• ความละเอียด เป็นอินสแตนซ์คลาส Least Square ธรรมดา

• คำนวณค่าเบี่ยงเบนมาตรฐาน ช่วงความเชื่อมั่นสำหรับการคาดคะเนใช้กับ WLS และ OLS ไม่ใช่กับ GLS ทั่วไป นั่นคือการสังเกตที่แยกจากกันแต่ไม่เหมือนกัน

• สร้างร่างและชุดแผนย่อยโดยใช้ subplot() วิธีการ

• วาดเส้นโค้งทั้งหมดโดยใช้ plot() เมธอดด้วย (x, y), (x, y_true), (x, res.fittedvalues), (x, iv_u) และ (x, iv_l) จุดข้อมูล

• วางตำนานบนโครงเรื่อง

• หากต้องการแสดงรูป ให้ใช้ show() วิธีการ

ตัวอย่าง

import numpy as np
from matplotlib import pyplot as plt
from statsmodels import api as sm
from statsmodels.sandbox.regression.predstd import wls_prediction_std
plt.rcParams["figure.figsize"] = [7.50, 3.50]
plt.rcParams["figure.autolayout"] = True
np.random.seed(9876789)
nsample = 50
sig = 0.5
x = np.linspace(0, 20, nsample)
X = np.column_stack((x, np.sin(x), (x - 5) ** 2, np.ones(nsample)))
beta = [0.5, 0.5, -0.02, 5.]
y_true = np.dot(X, beta)
y = y_true + sig * np.random.normal(size=nsample)
res = sm.OLS(y, X).fit()
prstd, iv_l, iv_u = wls_prediction_std(res)
fig, ax = plt.subplots()
ax.plot(x, y, 'o', label="data")
ax.plot(x, y_true, 'b-', label="True")
ax.plot(x, res.fittedvalues, 'r--.', label="OLS")
ax.plot(x, iv_u, 'r--')
ax.plot(x, iv_l, 'r--')
ax.legend(loc='best')
plt.show()

ผลลัพธ์