शुरू करेंमुफ़्त में शुरू करें

90, 95, और 99% intervals

आप Fairbanks, Alaska में एक आउटडोर एडवेंचर कंपनी के लिए डेटा साइंटिस्ट हैं। हाल में ग्राहकों को SO2 प्रदूषण की समस्या हो रही है, जिससे महँगी cancellations हो रही हैं। कंपनी के पास CO, NO2, और O3 के लिए sensors हैं, लेकिन SO2 स्तरों के लिए नहीं।

आपने एक मॉडल बनाया है जो sensor वाले pollutants के मानों के आधार पर SO2 के मान predict करता है (जिसे pollution_model के रूप में लोड किया गया है, एक statsmodels ऑब्जेक्ट)। आप जाँचना चाहते हैं कि किस pollutant का मान आपके मॉडल की SO2 prediction पर सबसे बड़ा प्रभाव डालता है। इससे आपको यह पता लगाने में मदद मिलेगी कि आउटडोर टूर प्लान करते समय किस pollutant के मानों पर सबसे ज्यादा ध्यान देना चाहिए। अपनी रिपोर्ट में जानकारी अधिकतम रखने के लिए, मॉडल के estimates के लिए अनिश्चितता के कई स्तर दिखाएँ।

यह अभ्यास पाठ्यक्रम का हिस्सा है

Python में अपनी डेटा विज़ुअलाइज़ेशन बेहतर करें

पाठ्यक्रम देखें

अभ्यास निर्देश

  • alpha की values सूची के अनुसार उपयुक्त interval width percents (90, 95, और 99% में से) भरें।
  • for लूप में, interval को उसके दिए गए color से रंगें।
  • legend को लेबल करने के लिए लूप के width प्रतिशत मान को plt.hlines() में पास करें।

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# Add interval percent widths
alphas = [     0.01,  0.05,   0.1] 
widths = [ '__% CI', '__%', '__%']
colors = ['#fee08b','#fc8d59','#d53e4f']

for alpha, color, width in zip(alphas, colors, widths):
    # Grab confidence interval
    conf_ints = pollution_model.conf_int(alpha)
    
    # Pass current interval color and legend label to plot
    plt.hlines(y = conf_ints.index, xmin = conf_ints[0], xmax = conf_ints[1],
               colors = ____, ____ = width, linewidth = 10) 

# Draw point estimates
plt.plot(pollution_model.params, pollution_model.params.index, 'wo', label = 'Point Estimate')

plt.legend()
plt.show()
कोड संपादित करें और चलाएँ