Regresje na próbkach bootstrapowych
Pracując dla wydziału parków i rekreacji w Long Beach, badasz zależność między NO2 a SO2. Zauważasz skupisko potencjalnych wartości odstających, które mogą zaburzać korelacje.
Zbadaj niepewność korelacji za pomocą próbkowania bootstrapowego, aby sprawdzić, jak stabilne są uzyskane dopasowania. Dla wygody próbkowanie bootstrapowe zostało już wykonane i jest dostępne jako no2_so2_boot, a dane oryginalne (bez próbkowania) – jako no2_so2.
To ćwiczenie jest częścią kursu
Ulepszanie wizualizacji danych w Pythonie
Instrukcje do ćwiczenia
- Poinformuj
sns.lmplot(), że ma narysować osobną linię regresji dla każdej próbki bootstrapowej (sample). - Ustaw kolor każdej linii regresji na
'steelblue'i nadaj im 20% krycia. - Wyłącz domyślne przedziały ufności Seaborna wokół linii regresji.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
sns.lmplot('NO2', 'SO2', data = no2_so2_boot,
# Tell seaborn to a regression line for each sample
____ = 'sample',
# Make lines blue and transparent
line_kws = {'____': 'steelblue', '____': 0.2},
# Disable built-in confidence intervals
ci = ____, legend = False, scatter = False)
# Draw scatter of all points
plt.scatter('NO2', 'SO2', data = no2_so2)
plt.show()