python中的分布图

Question

我需要你帮助理解分布情节。我正在阅读this link的教程。在帖子的最后他们提到了：

  

我们可以从图中看出，预测的大部分时间都是正确的（差异= 0）。

所以我无法理解他们如何分析图表。

Answer 1

您可以想象密度图表显示给定值下数据的相对出现次数。所讨论的值是观察值和拟合变量值之间的差异。如果拟合是完美的，那么所有的差异都是0，并且在0处只有一个条形。拟合不完美，并且存在大于或小于0的一些差异，但它们离零不太远。

作者得出的结论可能过于强烈：图表并未证明差异接近于零，但它表明差异以零为中心。通常，线性回归是一个很好的结果。

Answer 2

要扩展评论中的讨论，请考虑运行以下代码：

plt.figure(figsize=(12,8))
plt.scatter(range(len(y_test)), y_test, marker='d', c='red')
plt.scatter(range(len(predictions)), predictions, marker='d', c='blue')
plt.scatter(range(len(y_test)), (y_test - predictions), marker='^', c='green')

它会显示以下情节。 y_test的分布以红色菱形显示。 predictions的分布以蓝色菱形显示。如果您使用y_test减去predictions的每个点，则会生成绿色三角形。由于我们正在尝试预测提示，因此我们希望最小化test data（实际数据）与我们使用机器学习所做的predictions之间的误差。

如果您拍摄所有这些绿色三角形，并从中取出distplot，它会显示您附加到问题的图像。以下是每个变量的分布：

# Code to reproduce the plot below
fig = plt.figure(figsize=(12,8))

ax = fig.add_subplot(311)
sb.distplot(y_test)
plt.title('y_test')
plt.xlim([-10, 10])

ax = fig.add_subplot(312)
sb.distplot(predictions)
plt.title('predicted tips')
plt.xlim([-10, 10])

ax = fig.add_subplot(313)
sb.distplot(y_test - predictions)
plt.title('y_test - predicted tips')
plt.xlim([-10, 10])

plt.tight_layout()

plt.show()