通常の最小二乗(OLS)フィッティングの代わりに堅牢な統計を実装しようとすると、アウトライアーはそれほど問題ではありません。 私はseabornのpairplot関数でこれを実装することを望んでいましたが、フィットのキーワード引数ではないように見えます。seaborn pairplotの堅牢な統計線形回帰
から:scipy lectures彼らは次を使用することをお勧めしますが、私はあなたがここで
`fit = statsmodels.formula.api.rlm()`
を使用してフィット感を定義することができますregplotのためのthatsを推測するいくつかのサンプルコードは、事前に
import seaborn as sns; sns.set(style="ticks", color_codes=True)
import matplotlib.pyplot as plt
%matplotlib inline
iris = sns.load_dataset("iris")
sns.pairplot(iris, kind="reg")#, robust = True)
plt.show()
感謝です!
編集:回避策を見つけましたが、明らかにペアプロットで実行できる「色相」機能が緩んでいます。 pairplotに堅牢なオプションを追加するのは良い機能でしょうか。 コード:など
def corrfunc(x, y, **kws):
r, _ = stats.pearsonr(x, y)
ax = plt.gca()
ax.annotate("r = {:.2f}".format(r), xy=(.1, .9), xycoords=ax.transAxes)
g = sns.PairGrid(df1, palette=["red"])
g.map_upper(sns.regplot, robust = True)
g.map_diag(sns.distplot, kde=True)
g.map_lower(sns.kdeplot, cmap="Blues_d")
g.map_lower(corrfunc)
私は回避策を見つけましたが、明らかにペアプロットで実行できる「色合い」機能が緩んでいます。 pairplotに堅牢なオプションを追加するのは良い機能でしょうか。 コード: 'DEF corrfunc(X、Y、** KWS): R、_ = stats.pearsonr(x、y)は AX = plt.gca() ax.annotate(「R = {:.2f (ds1、palette = ["red"]) g.map_upper(sns。あなたの回避策には、次のものを含めることができます:regplot、robust = True) g.map_diag(sns.distplot、kde = True) g.map_lower(sns.kdeplot、cmap = "Blues_d") g.map_lower(corrfunc) ' –
g = sns.PairGrid(df1、hue = 'species')の色相 – user4319496