Regresii prin bootstrap

În timp ce lucrezi pentru departamentul de parcuri și recreere din Long Beach și investighezi relația dintre NO₂ și SO₂, ai observat un grup de potențiali valori aberante care ar putea distorsiona corelațiile.

SO2 NO2 scatter

Investighează incertitudinea corelațiilor tale prin reeșantionare bootstrap, pentru a vedea cât de stabile sunt ajustările. Pentru comoditate, reeșantionarea bootstrap este deja realizată și îți este pusă la dispoziție sub forma no2_so2_boot, împreună cu no2_so2 pentru datele fără reeșantionare.

Acest exercițiu face parte din cursul

Îmbunătățirea vizualizărilor de date în Python

Vezi cursul

Instrucțiuni pentru exercițiu

Indică-i funcției sns.lmplot() că trebuie să deseneze o linie de regresie separată pentru fiecare sample bootstrap.
Colorează fiecare linie de regresie cu 'steelblue' și setează opacitatea la 20%.
Dezactivează benzile de încredere implicite Seaborn din jurul liniilor de regresie.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

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()

Editează și rulează codul