Meu problema está no fato de não conseguir plotar uma linha - gráfico de função de primeiro grau - em meu primeiro modelo de regressão linear. Como resultado, possuo linhas unindo os pontos de gráfico de dispersão das features de treino. Não consigo reconhecer se o problema se encontra em meu modelo ou na plotagem do gráfico.
Aqui segue uma breve explicação sobre meu modelo que tenta prever a quantidade de cerveja ingerida.
Primeiro temos meu dataframe já limpo.
Aqui realizei a separação das amostras, com 70% das features servindo como treino e 30% para testagem do modelo. Como Parâmetro adicionei as colunas que desejo analisar, excluindo a target
- a que desejo descobrir, sendo a quantidade de cerveja ingerida).
x_train, x_test, y_train, y_test= train_test_split(df.drop('Consumo de cerveja (litros)', axis=1),
df['Consumo de cerveja (litros)'],
test_size=0.3,
random_state=42)
Então, armazenei na memória um espaço para a regressão:
model = LinearRegression()
E treinei o modelo com a feature e a target separadas acima:
model.fit(x_train, y_train)
Testei o score do modelo para treino e para teste - até onde entendi o score utiliza o calculo de R^2, certo?
model.score(x_train, y_train) #resultado = 0.7063802238832536
model.score(x_test, y_test) #resultado = 0.7437419586478451
obs: Uma pergunta adicional, seria por que os valores estão baixos? e se é normal serem tão parecidos. Mas esse não é o ponto da pergunta, creio eu.
Aqui tentei armazenar os dados de treino em um numpy array
e modela-los para terem o mesmo tamanho
x = x_train.values
x = x[:, 0].reshape(-1, 1)
y = y_train.values.reshape(-1, 1)
print(f'{x.shape} e {y.shape}')
Os formatos foram : (255, 1) e (255, 1), formando duas series, como eu queria.
Nesse ponto tento plotar o gráfico para analisar a linha em relação aos pontos:
plt.style.use('seaborn')
plt.xlabel('temperatura média')
plt.ylabel('Consumo de cerveja(L)')
plt.scatter(x, y)
plt.plot(x, model.predict(x_train) )
plt.show()
E o resultado é o mostrado mais a cima. Esperava uma equação de reta ideal mas obtive essa bagunça. Tentei alterar os parâmetros do meu modelo, armazenar as features e targets em outras estruturas de dados. Acreditei que o problema estivesse unicamente na implementação do gráfico scatter
, mas já não tenho certeza.