Bootstrapované regrese
Při práci pro oddělení parků a rekreace v Long Beach, kde zkoumáš vztah mezi NO2 a SO2, jsi si všiml/a shluku potenciálních odlehlých hodnot, které by mohly zkreslovat korelace.
Prozkoumej nejistotu svých korelací pomocí bootstrap převzorkování a zjisti, jak stabilní jsou tvé regresní přímky. Pro pohodlí je bootstrap vzorkování již hotové – k dispozici máš no2_so2_boot s převzorkovanými daty i no2_so2 s původními daty.
Toto cvičení je součástí kurzu
Vylepšení datových vizualizací v Pythonu
Pokyny k cvičení
- Řekni funkci
sns.lmplot(), že má nakreslit samostatnou regresní přímku pro každý bootstrapsample. - Nastav všem regresním přímkám barvu
'steelblue'a průhlednost 20 %. - Vypni výchozí Seabornovy pásy spolehlivosti kolem regresních přímek.
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
sns.lmplot('NO2', 'SO2', data = no2_so2_boot,
# Tell seaborn to a regression line for each sample
____ = 'sample',
# Make lines blue and transparent
line_kws = {'____': 'steelblue', '____': 0.2},
# Disable built-in confidence intervals
ci = ____, legend = False, scatter = False)
# Draw scatter of all points
plt.scatter('NO2', 'SO2', data = no2_so2)
plt.show()