비선형 곡선을 사용하지만 선형 데이터를 사용하여 statsmodels 선형 회귀(OLS)를 그릴 수 있습니다.
단계
-
Figure 크기를 설정하고 서브플롯 사이와 주변의 패딩을 조정합니다.
-
새 것을 만들려면 seed()를 사용할 수 있습니다. 방법.
-
샘플 및 시그마 변수의 수를 초기화합니다.
-
선형 데이터 포인트 x, X, 베타, t_true 생성 , y 및 해상도 numpy를 사용합니다.
-
해상도 일반적인 최소제곱 클래스 인스턴스입니다.
-
표준편차를 계산합니다. 예측을 위한 신뢰 구간은 일반 GLS가 아닌 WLS와 OLS에 적용됩니다. 즉, 독립적이지만 동일하게 분포하지 않는 관측값입니다.
-
subplot()을 사용하여 Figure와 서브플롯 세트 생성 방법.
-
plot()을 사용하여 모든 곡선을 플로팅합니다. (x, y), (x, y_true), (x, res.fittedvalues), (x, iv_u)가 있는 메서드 및 (x, iv_l) 데이터 포인트.
-
줄거리에 범례를 배치하십시오.
-
그림을 표시하려면 show()를 사용하세요. 방법.
예시
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()
출력
