Pandas⑯ （重回帰分析／散布図）

重回帰分析／散布図

前回記事で作成した重回帰モデルが適切かどうかを 散布図と直線 を使って確認します。

まず、x軸・y軸ともに 実測値（売上額） をとった直線をプロットします。（6～8行目）

（NumPyの linspace関数 では、等差数列を生成します。）

次に、x軸を 実測値（売上額）、y軸を 予測値（売上額） にとった 散布図 を描画します。（10～13行目）

予測した値が実測値とぴったりであれば、すべてのドットが 直線上 に乗ることになります。

[Google Colaboratory]

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
from matplotlib import pyplot as plt
%matplotlib inline

predict = model.predict(x)
# x=yの直線を描画
plt.plot(np.linspace(min(y),max(y)), # x軸: yの値
         np.linspace(min(y),max(y))  # y軸: yの値
         )
# 実測値をヨコ軸、予測値をタテ軸にとった散布図を描画
plt.plot(y,                          # x軸: yの値
         predict,                    # y軸: 予測値
         'o'
        )
plt.xlabel('y')                      # x軸ラベル
plt.ylabel('predict(y)')             # y軸ラベル

[実行結果]

予測なので実測値との間に 誤差 がありますが、予測値の分布 は実測値（直線）にだいたいフィットしたものとなっていることが確認できます。