Visualización del análisis de regresión múltiple

Curso de Análisis Exploratorio de Datos

Contenido del curso

Introducción al análisis exploratorio de datos

Análisis univariado

Análisis bivariado

Análisis multivariado

Conclusiones

Tomar examen

Visualización del análisis de regresión múltiple

Gabriel Obregón

Estudiante

DEEPNOTE

CREACIÓN DE UN DATAFRAME DE RESULTADOS

1.b) Código:

models_results = pd.DataFrame(

dict(

actual_value=processed_penguins_df.body_mass_g,

prediction_model_1=model_1.predict(),

prediction_model_2=model_2.predict(),

prediction_model_3=model_3.predict(),

prediction_model_4=model_4.predict(),

prediction_model_5=model_5.predict(),

species=processed_penguins_df.species,

sex=processed_penguins_df.sex

)

models_results

1.c) Descripción del Código:

Línea 1: Crea un DataFrame models_results usando el método pd.DataFrame.
Líneas 2-8: Define las columnas del DataFrame:
- actual_value: Masa corporal de los pingüinos en el conjunto de datos.
- prediction_model_1 a prediction_model_5: Predicciones de cinco modelos diferentes.
- species: Información de especies del conjunto de datos.
- sex: Información de sexo del conjunto de datos.
Línea 10: Muestra el DataFrame models_results.

1.d) Descripción del Resultado: Se muestra el DataFrame models_results. Incluye valores reales, predicciones de los modelos y metadatos (species y sex). Contiene columnas numéricas y categóricas.

GRÁFICO DE FUNCIÓN DE DISTRIBUCIÓN ACUMULATIVA EMPÍRICA (ECDF) PARA TODAS LAS COLUMNAS

1.b) Código:

sns.ecdfplot(

data=models_results

)

1.c) Descripción del Código:

Línea 1-2: Usa sns.ecdfplot para generar un gráfico ECDF para todas las columnas numéricas en models_results.

1.d) Descripción del Resultado: El gráfico ECDF muestra la distribución de los valores reales y los predichos para todos los modelos. Cada línea representa la proporción acumulativa de valores para una columna específica.

COMPARACIÓN DE ECDFS PARA VALORES REALES Y PREDICCIONES DEL MODELO 5

1.b) Código:

sns.ecdfplot(

data=models_results.select_columns(['actual_value', 'prediction_model_5'])

)

1.c) Descripción del Código:

Línea 1-2: Grafica un gráfico ECDF comparando únicamente las columnas actual_value y prediction_model_5.

1.d) Descripción del Resultado: El gráfico visualiza la distribución de los valores reales frente a las predicciones del Modelo 5, permitiendo una comparación directa del desempeño.

GRÁFICO DE DENSIDAD (PDF) PARA TODAS LAS COLUMNAS

1.b) Código:

sns.kdeplot(

data=models_results

)

1.c) Descripción del Código:

Línea 1-2: Usa la función sns.kdeplot de Seaborn para crear gráficos de estimación de densidad (KDE) para todas las columnas numéricas en el DataFrame models_results.

1.d) Descripción del Resultado: El gráfico muestra las funciones de densidad de probabilidad para los valores reales y las predicciones de todos los modelos. Cada curva representa la densidad estimada para una columna específica.

FUNCIÓN DE DENSIDAD ACUMULATIVA (CDF) PARA TODAS LAS COLUMNAS

1.a) Título: Gráfico de Densidad Acumulativa para Todas las Columnas

1.b) Código:

sns.kdeplot(

data=models_results,

cumulative=True

)

1.c) Descripción del Código:

Línea 1-3: Crea un gráfico de densidad acumulativa usando la función sns.kdeplot con el parámetro cumulative=True para visualizar la distribución acumulativa de todas las columnas numéricas.

1.d) Descripción del Resultado: El gráfico muestra la distribución acumulativa para los valores reales y las predicciones de todos los modelos, con curvas que alcanzan un valor de 1 en el rango máximo.

DIAGRAMA DE DISPERSIÓN PARA LONGITUD DE ALETA Y MASA CORPORAL POR SEXO

1.a) Título: Diagrama de Dispersión de Longitud de Aleta vs. Masa Corporal por Sexo

1.b) Código:

sns.lmplot(

data=processed_penguins_df,

x='flipper_length_mm',

y='body_mass_g',

hue='sex',

height=10

)

1.c) Descripción del Código:

Líneas 1-5: Crea un diagrama de dispersión con líneas de regresión lineal usando la función sns.lmplot:
- data=processed_penguins_df: Especifica el conjunto de datos.
- x='flipper_length_mm': Usa la longitud de la aleta como eje x.
- y='body_mass_g': Usa la masa corporal como eje y.
- hue='sex': Diferencia los puntos según la categoría sex (por ejemplo, macho y hembra).
- height=10: Ajusta el tamaño del gráfico.

1.d) Descripción del Resultado: El diagrama de dispersión visualiza la relación entre la longitud de la aleta y la masa corporal de los pingüinos, separados por sexo (macho y hembra) con colores distintos. También se incluyen líneas de regresión para cada grupo.

Visualización del análisis de regresión múltiple

Introducción al análisis exploratorio de datos

¿Qué es y para qué sirve el análisis exploratorio de datos?

¿Cómo hacer un análisis exploratorio de datos?

Tipos de análisis de datos

Tipos de datos y análisis de variables

Herramientas de software para el análisis exploratorio de datos

Conociendo nuestros datos: palmerpenguins

Recolección de datos, limpieza y validación

Ejercicio de validación de datos

Análisis univariado

Explorando una variable categórica: conteos y proporciones

Estadística descriptiva aplicada: medidas de tendencia central

Estadística descriptiva aplicada: medidas de dispersión

Ejercicio de obtención de medidas de dispersión

Estadística descriptiva aplicada: distribuciones

Estadística descriptiva aplicada: funciones de densidad de probabilidad

Bonus: Teorema del límite central

Análisis bivariado

Estableciendo relaciones: gráficos de puntos

Estableciendo relaciones: gráficos de violín y boxplots

Estableciendo relaciones: matrices de correlación

Limitantes de los coeficientes de correlación lineal

Estableciendo relaciones: análisis de regresión simple

Limitaciones del análisis de regresión simple

Análisis multivariado

Análisis de regresión múltiple

Visualización del análisis de regresión múltiple

Análisis de regresión logística

Paradoja de Simpson

¿Qué hacer cuando tengo muchas variables?

Conclusiones

Diversidad de gráficas al explorar datos

Continúa aprendiendo sobre EDA