Python中用于残差与预测值的残差图

Question

我已经运行了一个KNN模型。现在我想绘制残差与预测值图。每个不同网站的示例都显示我首先必须运行线性回归模型。但我不知道该如何操作。有人能帮忙吗？先谢谢了。 这是我的模型-

train, validate, test = np.split(df.sample(frac=1), [int(.6*len(df)), int(.8*len(df))])
x_train = train.iloc[:,[2,5]].values
y_train = train.iloc[:,4].values
x_validate = validate.iloc[:,[2,5]].values
y_validate = validate.iloc[:,4].values
x_test = test.iloc[:,[2,5]].values
y_test = test.iloc[:,4].values
clf=neighbors.KNeighborsRegressor(n_neighbors = 6)
clf.fit(x_train, y_train)
y_pred = clf.predict(x_validate)

- ni7

Answer 1

残差指的是预测值与实际值之间的差异，计算公式为实际值减去预测值。在您的情况下，计算公式为residuals = y_test-y_pred。绘图时，只需要使用这个公式即可。

import matplotlib.pyplot as plt

plt.scatter(residuals,y_pred)

plt.show()

- ajay sagar

---

正常散点图展示了我想要的内容。那么为什么要使用regplot或residplot呢？这三个函数各自有不同的作用。 - ni7

是的，这三个是不同的。plt.scatter()，你可能知道，它提供了一种简单的方法来绘制通常在两个变量之间的图形。就像我们在学校里绘制图表一样，它只是绘制x和y的图表。而seaborn.residplot()则更为先进，它直接以预测/输入变量和响应/输出变量作为其参数，直接绘制残差，您不必自己计算残差。而seaborn.regplot()则绘制最佳拟合回归线以及所有数据点，它不像seaborn.residplot()那样绘制残差。 - ajay sagar

您可以在此处更好地理解它们：https://seaborn.pydata.org/generated/seaborn.regplot.html#seaborn.regplot https://seaborn.pydata.org/generated/seaborn.residplot.html#seaborn.residplot - ajay sagar

感谢你抽出时间来回答。现在我明白了 :) - ni7

愉快地编程 :D - ajay sagar

Answer 2

什么是问题？残差简单地表示为y_test-y_pred。现在使用seaborn的regplot。

- Igor Rivin

---

残差 = 预测值 - 验证值 sns.regplot(x = 残差, y = 预测值, data = None, scatter = True, color = 'red') 这样可以吗？ - ni7

@nl7应该没问题，看起来怎么样？ - Igor Rivin

sns.regplot(x=y_pred, y=residual, data=None, scatter=True, color='red') y 上的残差？ - Nosey