Průsečík a počáteční hodnoty

V tomto cvičení si ukážeme parametry průsečíku a směrnice v kontextu modelování měření objemu roztoku ve velké skleněné nádobě. Roztok se skládá z vody, zrní, cukrů a kvasinek. Byla zaznamenána celková hmotnost roztoku i skleněné nádoby, hmotnost prázdné nádoby však nezaznamenali.

Tvým úkolem je použít předpřipravený pandas DataFrame df se sloupci volumes a masses a sestavit lineární model, který dává do vztahu masses (data na ose y) a volumes (data na ose x). Směrnice bude odhadem hustoty roztoku (změna hmotnosti / změna objemu) a průsečík bude odhadem hmotnosti prázdné nádoby (hmotnost při objemu = 0).

Toto cvičení je součástí kurzu

Úvod do lineárního modelování v Pythonu

Zobrazit kurz

Pokyny k cvičení

Importuj ols() ze statsmodels a použij ho k sestavení modelu fitovaného na data=df s formula = "masses ~ volumes".
Extrahuj průsečík a0 a směrnici a1 pomocí .params['Intercept'] a .params['volumes'].
Vypiš a0 a a1 s fyzikálně smysluplnými názvy.
Vypiš model_fit() a vyhledej hodnoty odpovídající těm, které jsi získal/a výše; hledej popisky řádků Intercept, volumes a popisek sloupce coef.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Import ols from statsmodels, and fit a model to the data
from statsmodels.formula.api import ols
model_fit = ols(formula="____ ~ ____", data=____)
model_fit = model_fit.fit()

# Extract the model parameter values, and assign them to a0, a1
a0 = model_fit.params['____']
a1 = model_fit.params['____']

# Print model parameter values with meaningful names, and compare to summary()
print( "container_mass   = {:0.4f}".format(____) )
print( "solution_density = {:0.4f}".format(____) )
print( model_fit.summary() )

Upravit a spustit kód