Python -向for循环生成的子图添加残差

在Python中，使用Matplotlib库可以轻松地创建包含多个子图的图形。当你需要在这些子图中添加残差时，可以通过计算实际值与预测值之间的差异，并将这些差异以图形的形式展示出来。

基础概念

残差：在统计学中，残差是指观测值与模型预测值之间的差异。在图形上，残差通常表示为从数据点到拟合线的垂直距离。

类型

标准化残差：将残差除以其标准差，使得残差具有可比性。
学生化残差：考虑了每个观测值的杠杆作用，用于检测异常值。

应用场景

回归分析：在回归模型中，残差图是评估模型拟合好坏的重要工具。
时间序列分析：在时间序列预测中，残差图可以帮助识别季节性模式或其他周期性影响。

示例代码

以下是一个使用Python和Matplotlib向for循环生成的子图添加残差的示例代码：

import numpy as np
import matplotlib.pyplot as plt
from sklearn.linear_model import LinearRegression

# 生成一些示例数据
np.random.seed(0)
X = np.random.rand(100, 1)
y = 2 + 3 * X + np.random.randn(100, 1)

# 创建模型并拟合数据
model = LinearRegression()
model.fit(X, y)

# 预测值
y_pred = model.predict(X)

# 计算残差
residuals = y - y_pred

# 创建子图
fig, axes = plt.subplots(1, 2, figsize=(12, 5))

# 绘制原始数据和拟合线
axes[0].scatter(X, y, color='blue', label='Data')
axes[0].plot(X, y_pred, color='red', label='Fit')
axes[0].set_title('Original Data and Fit')
axes[0].legend()

# 绘制残差图
axes[1].scatter(y_pred, residuals, color='green')
axes[1].axhline(y=0, color='black', linestyle='--')
axes[1].set_title('Residuals Plot')
axes[1].set_xlabel('Predicted Values')
axes[1].set_ylabel('Residuals')

plt.tight_layout()
plt.show()