python+seaborn线性回归 拟合

估计回归拟合

许多数据集包含多个定量变量，分析的目的通常是将这些变量相互联系起来。我们之前讨论过可以通过显示两个变量的联合分布来实现这一目标的函数。不过，使用统计模型来估算两组噪声观测值之间的简单关系也很有帮助。本章讨论的函数将通过常见的线性回归框架来实现这一目的。

seaborn 中的回归图主要是为了在探索性数据分析过程中增加一个可视化指南，帮助强调数据集中的模式。也就是说，seaborn 本身并不是一个统计分析软件包。要获得与回归模型拟合度相关的定量指标，应该使用 statsmodels。然而，seaborn 的目标是让通过可视化来探索数据集变得快速而简单，因为这样做与通过统计表来探索数据集一样重要。

绘制线性回归模型的函数

可用于线性拟合可视化的两个函数是 regplot() 和 lmplot()。

在最简单的调用中，这两个函数都会绘制两个变量 x 和 y 的散点图，然后拟合回归模型 y ~ x，并绘制出回归线和 95% 的置信区间：

tips = sns.load_dataset