穩健統計線性迴歸pairplot

試圖實現穩健統計，而不是普通最小二乘法（OLS）配合，這樣的異常值是不是我配合這樣的問題。我希望能夠在seaborn的pairplot函數中實現這一點，並且無法看到並且從AP文檔中添加這個方法的簡單方法，因爲似乎沒有適合的關鍵詞參數。穩健統計線性迴歸pairplot

來源：scipy lectures他們建議使用以下，但我使用

`fit = statsmodels.formula.api.rlm()`

這裏猜測regplot多數民衆贊成在那裏你可以定義配合是一些示例代碼

import seaborn as sns; sns.set(style="ticks", color_codes=True) 
import matplotlib.pyplot as plt 
%matplotlib inline 
iris = sns.load_dataset("iris") 
sns.pairplot(iris, kind="reg")#, robust = True) 
plt.show()

提前感謝！

編輯：我發現了一個解決辦法，但鬆散的「色相」功能顯然，可以在pairplot來完成。這將是一個很好的功能，可以添加強大的選項到pairplot。代碼：

def corrfunc(x, y, **kws): 
    r, _ = stats.pearsonr(x, y) 
    ax = plt.gca() 
    ax.annotate("r = {:.2f}".format(r), xy=(.1, .9), xycoords=ax.transAxes) 

g = sns.PairGrid(df1, palette=["red"]) 
g.map_upper(sns.regplot, robust = True) 
g.map_diag(sns.distplot, kde=True) 
g.map_lower(sns.kdeplot, cmap="Blues_d") 
g.map_lower(corrfunc)

來源

2016-04-29 Edward Burgin

我找到了一個解決辦法，但鬆散的「色相」功能顯然，可以在pairplot來完成。這將是一個很好的功能，可以添加強大的選項到pairplot。代碼： def corrfunc（x，y，** kws）： r，_ = stats.pearsonr（x，y） ax = plt.gca（） ax.annotate（「r = {：.2f }。格式（r）， xy =（.1，.9），xycoords = ax.transAxes） g = sns.PairGrid（df1，palette = [「red」]） g.map_upper（sns。 regplot，robust = True） g.map_diag（sns.distplot，kde = True） g.map_lower（sns.kdeplot，cmap =「Blues_d」） g.map_lower（corrfunc）' –

在您的解決方法中，您可以包括g = sns.PairGrid（df1，hue ='species'）的色調 – user4319496

額外的關鍵字，例如「健壯=真」可以被傳遞通過plot_kws參數regplot：

sns.pairplot(df1,kind='reg',hue='species',plot_kws=dict(robust=True,n_boot=50))

NB：在這個例子中我也下降n_boot減少（請參閱regplot文檔中的「健壯」），因此置信區間可能不正確）。

來源

2017-05-17 16:43:31 user4319496

穩健統計線性迴歸pairplot

回答

相關問題