Intercetta e punti di partenza

In questo esercizio vedrai i parametri di intercetta e pendenza nel contesto della modellazione di misurazioni del volume di una soluzione contenuta in una grande brocca di vetro. La soluzione è composta da acqua, cereali, zuccheri e lievito. È stata registrata anche la massa totale della soluzione e del contenitore di vetro, ma non è stata annotata la massa del contenitore vuoto.

Il tuo compito è usare il DataFrame pandas df già caricato, con le colonne volumes e masses, per costruire un modello lineare che metta in relazione le masses (dati y) con i volumes (dati x). La pendenza sarà una stima della densità (variazione di massa / variazione di volume) della soluzione, e l'intercetta sarà una stima del peso del contenitore vuoto (massa quando volume=0).

Questo esercizio fa parte del corso

Introduzione alla modellazione lineare in Python

Visualizza il corso

Istruzioni dell'esercizio

Importa ols() da statsmodels e usala per costruire un modello adattato a data=df con formula = "masses ~ volumes".
Estrai l'intercetta a0 e la pendenza a1 con .params['Intercept'] e .params['volumes'], rispettivamente.
Stampa a0 e a1 con nomi significativi dal punto di vista fisico.
Stampa model_fit() e cerca valori che corrispondano a quelli trovati sopra; cerca le etichette di riga Intercept, volumes, e un'etichetta di colonna coef.

Esercizio pratico interattivo

Prova a risolvere questo esercizio completando il codice di esempio.

# 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() )

Modifica ed esegui il codice