Wyodrębnianie estymatorów parametrów
Estymatory współczynników są zazwyczaj najważniejszym elementem modelu regresji. W poprzednim ćwiczeniu poznałeś sposób wyświetlania wyników dopasowania modelu, a tym samym wartości współczynników wraz z odpowiadającymi im statystykami. W tym ćwiczeniu nauczysz się wyodrębniać współczynniki z obiektu modelu.
Atrybut .params zawiera współczynniki dopasowanego modelu, zaczynając od wartości wyrazu wolnego. Aby obliczyć 95-procentowy przedział ufności dla współczynników, możesz użyć metody .conf_int() dopasowanego modelu wells_fit.
Pamiętaj, że dopasowany model został zapisany jako wells_fit i jest dostępny w twoim środowisku pracy.
To ćwiczenie jest częścią kursu
Uogólnione modele liniowe w Pythonie
Instrukcje do ćwiczenia
- Zapisz współczynniki jako
interceptislope, korzystając z atrybutu.params. - Wyświetl zapisane wartości wyrazu wolnego i nachylenia.
- Wyodrębnij i wyświetl 95-procentowe przedziały ufności dla współczynników, używając
.conf_int().
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Extract coefficients from the fitted model wells_fit
intercept, slope = wells_fit.____
# Print coefficients
print('Intercept =', ____)
print('Slope =', ____)
# Extract and print confidence intervals
____(____.____)