Seaborn হল একটি লাইব্রেরি যা ডেটা ভিজ্যুয়ালাইজ করতে সাহায্য করে। এটি কাস্টমাইজড থিম এবং একটি উচ্চ-স্তরের ইন্টারফেসের সাথে আসে৷
যখন রিগ্রেশন মডেল তৈরি করা হচ্ছে, মাল্টিকোলিনিয়ারিটি পরীক্ষা করা হয়। এর কারণ আমাদের ক্রমাগত ভেরিয়েবলের বিভিন্ন সমন্বয়ের মধ্যে বিদ্যমান পারস্পরিক সম্পর্ক বুঝতে হবে। যদি ভেরিয়েবলের মধ্যে মাল্টিকোলিনিয়ারিটি বিদ্যমান থাকে তবে আমাদের নিশ্চিত করতে হবে যে এটি ডেটা থেকে মুছে ফেলা হয়েছে। এখানেই 'রেগপট' এবং 'ইমপ্লট' ফাংশনগুলি কার্যকর হয়। তারা রৈখিক রিগ্রেশনে ভেরিয়েবলের মধ্যে একটি রৈখিক সম্পর্ক কল্পনা করতে সাহায্য করে।
'regplot' ফাংশন ভেরিয়েবলের মান 'x' এবং 'y' বিভিন্ন ফরম্যাটে গ্রহণ করে এবং এর মধ্যে রয়েছে নম্পি অ্যারে, পান্ডাস সিরিজ অবজেক্ট, ভেরিয়েবলের রেফারেন্স বা পান্ডাস ডেটাফ্রেমের মান।
অন্যদিকে, 'ইমপ্লট' ফাংশনের জন্য ব্যবহারকারীকে ডেটার জন্য একটি নির্দিষ্ট প্যারামিটার পাস করতে হবে এবং 'x' এবং 'y' ভেরিয়েবলের মানগুলি স্ট্রিং হতে হবে। এই ধরনের ডেটা ফরম্যাট দীর্ঘ-ফর্ম ডেটা হিসাবে পরিচিত। এখানে উদাহরণ -
উদাহরণ
matplotlib থেকে sb থেকে seaborn আমদানি করুন pltmy_df =sb.load_dataset('tips')sb.regplot(x ="total_bill", y ="tip", data =my_df)sb.lmplot(x ="total_bill" হিসাবে pyplot আমদানি করুন , y ="টিপ", ডেটা =my_df)plt.show()আউটপুট
ব্যাখ্যা
- প্রয়োজনীয় প্যাকেজগুলি আমদানি করা হয়৷ ৷
- ইনপুট ডেটা হল 'টিপস' যা সমুদ্রের লাইব্রেরি থেকে লোড করা হয়৷
- এই ডেটা একটি ডেটাফ্রেমে সংরক্ষিত থাকে৷ ৷
- 'load_dataset' ফাংশনটি আইরিস ডেটা লোড করতে ব্যবহৃত হয়।
- এই ডেটা 'regplot' ফাংশন ব্যবহার করে কল্পনা করা হয়।
- এই ডেটা 'ইমপ্লট' ফাংশন ব্যবহার করে কল্পনা করা হয়।
- এখানে, ডেটাফ্রেম প্যারামিটার হিসাবে সরবরাহ করা হয়েছে।
- এছাড়া, x এবং y মান নির্দিষ্ট করা আছে।
- এই ডেটা কনসোলে প্রদর্শিত হয়৷ ৷
