Простой вопрос, правда.Я просто подгоняю логистическую регрессию к некоторым данным:
logit = sm.Logit(df.flow2, df.latency_condition)
result = logit.fit()
print(result.summary())
Что дает:
Logit Regression Results
==============================================================================
Dep. Variable: flow2 No. Observations: 5930
Model: Logit Df Residuals: 5929
Method: MLE Df Model: 0
Date: Mon, 10 Sep 2018 Pseudo R-squ.: -0.3009
Time: 21:18:35 Log-Likelihood: -3927.8
converged: True LL-Null: -3019.2
LLR p-value: nan
=====================================================================================
Теперь я хотел бы отобразить этот результат поверх моих точек данных, но у меня нетИдея как это сделать.Я использовал seaborn для построения регрессии:
sns.lmplot(x="latency_condition", logistic=True, y="flow2", data=df)
plt.show()
Я знаю, что lmplot использует statsmodels, но я не уверен, что мне подходит модель, точно такая же, как lmplot.Кроме того, я просто хочу иметь возможность построить полную кривую логистической регрессии (от y = 1 до y = 0).Итак, как мне построить этот результат statsmodels?Приветствуются альтернативные подходы.
Редактировать:
Даниэль ниже дал мне простое решение, и я считаю, что это правильно.Я не уверен, в чем разница между подходящей логистической регрессией и тем, что делает lmplot.Я предполагаю, что должен отразить свою ось X или подогнать другую кривую из-за нисходящего уклона моих данных?
Вот что дает мне lmplot:
И это результат регрессии: