Utilizando subplots podemos realizar un gráfico mejor organizado y mas entendible
Fundamentos de regresión logística
¿Qué es la regresión logística?
Tu primera clasificación con regresión logística
¿Cuándo usar regresión logística?
Fórmula de regresión logística
Regresión logística binomial
Preparando los datos
Análisis de correlación y escalabilidad de los datos
Análisis exploratorio de datos
Entrenamiento con regresión logística binomial
Evaluando el modelo (MLE)
Análisis de resultados de regresión logística
Regularizers
Regresión logística multinomial
Cómo funciona la regresión logística multiclase
Carga y preprocesamiento de datos multiclase
Análisis exploratorio y escalamiento de datos multiclase
Entrenamiento y evaluación de regresión logística multiclase
Conclusiones
Proyecto final y siguientes pasos
Comparte tu proyecto de regresión logística y certifícate
No tienes acceso a esta clase
¡Continúa aprendiendo! Únete y comienza a potenciar tu carrera
Si ya tienes una cuenta,
Iniciar sesión
Análisis exploratorio de datos
7/17Recursos
Aportes 4
Preguntas 1
Ordenar por:
ahi tienen para hacerlo cortito
columns_cat = df.select_dtypes(include='object').columns
# Crear la figura y los subplots
fig, axs = plt.subplots(nrows=5, ncols=3, figsize=(20, 20))
for var, ax in zip(columns_cat, axs.flatten()):
sns.countplot(data=df, x=var,hue='Churn', ax=ax)
Para un mejor gráfico les dejo este código:
cat_columns = df.select_dtypes(include='object').columns
rows = 5
cols = 3
fig, ax = plt.subplots(rows,cols, figsize=(15,30), constrained_layout=True)
for i in range(rows):
for j in range(cols):
title = cat_columns[i+j]
sns.countplot(
data=df,
x=title,
hue='Churn',
ax=ax[i,j]
)
def plot_categorial_plotly(column):
fig=px.histogram(df_data, x=column, color="Churn", barmode='group')
fig.show()
¿Quieres ver más aportes, preguntas y respuestas de la comunidad?
o inicia sesión.