So zeichnen Sie eine logistische Regressionskurve in Python

Sie können die Funktion regplot() aus der Seaborn-Datenvisualisierungsbibliothek verwenden, um eine logistische Regressionskurve in Python zu zeichnen:

import seaborn as sns

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

Das folgende Beispiel zeigt, wie Sie diese Syntax in der Praxis verwenden können.

Beispiel: Zeichnen einer logistischen Regressionskurve in Python

Für dieses Beispiel verwenden wir das Standard -Dataset aus dem Buch Introduction to Statistical Learning . Wir können den folgenden Code verwenden, um eine Zusammenfassung des Datensatzes zu laden und anzuzeigen:

#Datensatz aus CSV-Datei auf Github importieren
url = "https://raw.githubusercontent.com/Statology/Python-Guides/main/default.csv"
data = pd.read_csv(url)

#erste sechs Zeilen des Datensatzes anzeigen
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  

Dieser Datensatz enthält die folgenden Informationen über 10.000 Personen:

• default: Gibt an, ob eine Person in Verzug geraten ist oder nicht.
• student: Gibt an, ob eine Person ein Student ist oder nicht.
• balance: Durchschnittliches Guthaben einer Person.
• income: Einkommen des Einzelnen.

Angenommen, wir möchten ein logistisches Regressionsmodell erstellen, das „Balance“ verwendet, um die Wahrscheinlichkeit vorherzusagen, dass eine bestimmte Person ausfällt.

Wir können den folgenden Code verwenden, um eine logistische Regressionskurve zu zeichnen:

#definieren Sie die Prädiktorvariable und die Antwortvariable
x = data['balance']
y = data['default']

#plot logistische Regressionskurve
sns.regplot(x=x, y=y, data=data, logistic=True, ci=None)

Die x-Achse zeigt die Werte der Prädiktorvariablen „Saldo“ und die y-Achse die prognostizierte Ausfallwahrscheinlichkeit.

Wir können deutlich erkennen, dass höhere Saldowerte mit höheren Wahrscheinlichkeiten verbunden sind, dass eine Person ausfällt.

Beachten Sie, dass Sie auch scatter_kws und line_kws verwenden können, um die Farben der Punkte und der Kurve im Diagramm zu ändern:

#definieren Sie die Prädiktorvariable und die Antwortvariable
x = data['balance']
y = data['default']

#plot logistische Regressionskurve mit schwarzen Punkten und roter Linie
sns.regplot(x=x, y=y, data=data, logistic=True, ci=None),
            scatter_kws={'color': 'black'}, line_kws={'color': 'red'})

Fühlen Sie sich frei, die Farben zu wählen, die Sie in der Handlung möchten.

Zusätzliche Ressourcen

Die folgenden Tutorials bieten zusätzliche Informationen zur logistischen Regression:

Einführung in die logistische Regression
So führen Sie eine logistische Regression in Python durch (Schritt für Schritt)