Intercepto e pontos de partida

Neste exercício, você verá os parâmetros de intercepto e inclinação no contexto de modelar medições do volume de uma solução contida em uma grande jarra de vidro. A solução é composta de água, grãos, açúcares e levedura. A massa total da solução e do recipiente de vidro também foi registrada, mas a massa do recipiente vazio não foi anotada.

Sua tarefa é usar o DataFrame do pandas df (pré-carregado), com as colunas volumes e masses, para construir um modelo linear que relacione masses (dados de y) a volumes (dados de x). A inclinação será uma estimativa da densidade (variação da massa / variação do volume) da solução, e o intercepto será uma estimativa do peso do recipiente vazio (massa quando volume=0).

Este exercicio faz parte do curso

Introdução à Modelagem Linear em Python

Ver curso

Instruções do exercicio

Importe ols() de statsmodels e use para ajustar um modelo aos dados data=df com formula = "masses ~ volumes".
Extraia o intercepto a0 e a inclinação a1 com .params['Intercept'] e .params['volumes'], respectivamente.
Imprima a0 e a1 com nomes físicos significativos.
Imprima model_fit() e procure valores que correspondam aos encontrados acima; busque pelos rótulos de linha Intercept, volumes, e pelo rótulo de coluna coef.

exercicio interativo prático

Tente este exercicio completando este código de exemplo.

# 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() )

Editar e Executar Código