시작하기무료로 시작하기

90%, 95%, 99% 구간

알래스카 페어뱅크스에 있는 야외 어드벤처 회사의 데이터 과학자라고 가정해 봅시다. 최근 고객들이 SO2 오염 문제로 예약을 많이 취소하면서 큰 비용이 발생하고 있어요. 회사에는 CO, NO2, O3 센서는 있지만 SO2 센서는 없습니다.

여러분은 센서가 있는 오염 물질 값들을 바탕으로 SO2 값을 예측하는 모델을 만들었습니다( pollution_model 로 불러온 statsmodels 객체). 이제 어떤 오염 물질의 값이 모델의 SO2 예측에 가장 큰 영향을 주는지 살펴보려고 합니다. 이는 야외 투어를 계획할 때 어떤 오염 물질의 값을 가장 주의 깊게 봐야 하는지 판단하는 데 도움이 됩니다. 보고서의 정보량을 극대화하기 위해, 모델 추정치에 대해 여러 수준의 불확실성을 함께 보여 주세요.

이 연습은 강의의 일부입니다

Python으로 데이터 시각화 개선하기

강의 보기

연습 안내

  • alpha 의 값 목록에 맞춰 적절한 구간 너비 백분율(90%, 95%, 99%)을 채워 넣으세요.
  • for 루프에서 각 구간을 지정된 color 로 색칠하세요.
  • 루프의 width 백분율 값을 plt.hlines() 에 전달해 범례에 라벨을 표시하세요.

실습형 인터랙티브 연습

이 예제를 이 샘플 코드를 완성하여 풀어보세요.

# 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()
코드 편집 및 실행