शुरू करेंमुफ़्त में शुरू करें

Linear regression के परिणाम प्रदर्शित करना

अब, आप अपने linear regression के परिणामों को scatter plot पर प्रदर्शित करेंगे, जिसका कोड आपके पिछले अभ्यास से पहले से प्री-लिखा हुआ है. ऐसा करने के लिए, पहले 100 bootstrap samples (जो bs_slope_reps_1975, bs_intercept_reps_1975, bs_slope_reps_2012, और bs_intercept_reps_2012 में संग्रहीत हैं) लें और plt.plot() में alpha=0.2 और linewidth=0.5 keyword arguments के साथ लाइनों को प्लॉट करें.

यह अभ्यास पाठ्यक्रम का हिस्सा है

Statistical Thinking in Python (Part 2)

पाठ्यक्रम देखें

अभ्यास निर्देश

  • np.array() का उपयोग करके bootstrap लाइनों के लिए \(x\)-values जनरेट करें. इनमें 10 mm और 17 mm होने चाहिए.
  • 1975 और 2012 डेटासेट्स के लिए 100 bootstrap लाइनों को प्लॉट करने हेतु एक for लूप लिखें. 1975 डेटासेट की लाइनों का रंग 'blue' और 2012 डेटासेट की लाइनों का रंग 'red' होना चाहिए.
  • प्लॉट देखने के लिए सबमिट करें!

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# Make scatter plot of 1975 data
_ = plt.plot(bl_1975, bd_1975, marker='.',
             linestyle='none', color='blue', alpha=0.5)

# Make scatter plot of 2012 data
_ = plt.plot(bl_2012, bd_2012, marker='.',
             linestyle='none', color='red', alpha=0.5)

# Label axes and make legend
_ = plt.xlabel('beak length (mm)')
_ = plt.ylabel('beak depth (mm)')
_ = plt.legend(('1975', '2012'), loc='upper left')

# Generate x-values for bootstrap lines: x
x = np.array([____, ____])

# Plot the bootstrap lines
for i in range(100):
    plt.plot(____, ____,
             linewidth=0.5, alpha=0.2, color=____)
    plt.plot(____, ____,
             linewidth=0.5, alpha=0.2, color=____)

# Draw the plot again
plt.show()
कोड संपादित करें और चलाएँ