НачатьНачать бесплатно

Регрессии на основе бутстрэпа

Работая в отделе парков и рекреации Лонг-Бич над изучением связи между NO2 и SO2, вы обнаружили кластер потенциальных выбросов, которые, по вашему предположению, могут искажать корреляции.

SO2 NO2 scatter

Изучите неопределённость корреляций с помощью бутстрэп-ресэмплинга, чтобы оценить устойчивость полученных зависимостей. Для удобства бутстрэп-выборка уже подготовлена и доступна как no2_so2_boot, а исходные данные без ресэмплинга — как no2_so2.

Это упражнение является частью курса

Улучшение визуализации данных в Python

Посмотреть курс

Инструкции к упражнению

  • Укажите sns.lmplot(), что для каждой бутстрэп-sample нужно построить отдельную линию регрессии.
  • Задайте для всех линий регрессии цвет 'steelblue' и прозрачность 20%.
  • Отключите стандартные доверительные полосы Seaborn вокруг линий регрессии.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

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()
Редактировать и запускать код