Wyraz wolny i punkt startowy

W tym ćwiczeniu przyjrzysz się parametrom wyrazu wolnego i nachylenia w kontekście modelowania pomiarów objętości roztworu zawartego w dużym szklanym dzbanku. Roztwór składa się z wody, ziaren, cukrów i drożdży. Rejestrowano łączną masę roztworu wraz ze szklanym pojemnikiem, lecz nie odnotowano masy pustego pojemnika.

Twoim zadaniem jest użycie wstępnie załadowanego DataFrame df biblioteki pandas — zawierającego kolumny volumes i masses — do zbudowania modelu liniowego opisującego zależność masses (dane y) od volumes (dane x). Nachylenie będzie estymatą gęstości roztworu (zmiana masy / zmiana objętości), natomiast wyraz wolny będzie estymatą masy pustego pojemnika (masa przy objętości równej 0).

To ćwiczenie jest częścią kursu

Wprowadzenie do modelowania liniowego w Pythonie

Zobacz kurs

Instrukcje do ćwiczenia

Zaimportuj ols() z statsmodels i użyj tej funkcji do dopasowania modelu do danych data=df z parametrem formula = "masses ~ volumes".
Wyodrębnij wyraz wolny a0 i nachylenie a1, używając odpowiednio .params['Intercept'] i .params['volumes'].
Wyświetl a0 i a1, nadając im fizycznie znaczące nazwy.
Wyświetl wyniki model_fit() i poszukaj wartości odpowiadających powyższym; zwróć uwagę na etykiety wierszy Intercept, volumes oraz etykietę kolumny coef.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# 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() )

Edytuj i uruchom kod