НачатьНачать бесплатно

Интервалы 90, 95 и 99%

Вы — специалист по данным в компании, организующей экстремальные туры на природе в Фэрбенксе, Аляска. В последнее время клиенты всё чаще сталкиваются с проблемой загрязнения воздуха SO2, что приводит к дорогостоящей отмене туров. Компания оснащена датчиками для измерения CO, NO2 и O3, однако датчиков SO2 нет.

Вы построили модель, которая предсказывает уровень SO2 на основе показаний имеющихся датчиков загрязняющих веществ (модель загружена как pollution_model — объект statsmodels). Вы хотите выяснить, значение какого загрязнителя оказывает наибольшее влияние на предсказание SO2 вашей моделью. Это поможет понять, за показателями какого вещества нужно следить в первую очередь при планировании туров. Чтобы сделать отчёт максимально информативным, отобразите несколько уровней неопределённости для оценок модели.

Это упражнение является частью курса

Улучшение визуализации данных в Python

Посмотреть курс

Инструкции к упражнению

  • Укажите подходящие значения ширины интервалов в процентах (90, 95 и 99%) в соответствии со списком значений alpha.
  • В цикле for задайте цвет интервала с помощью соответствующего значения color.
  • Передайте значение width текущей итерации цикла в plt.hlines() в качестве подписи для легенды.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# Add interval percent widths
alphas = [     0.01,  0.05,   0.1] 
widths = [ '__% CI', '__%', '__%']
colors = ['#fee08b','#fc8d59','#d53e4f']

for alpha, color, width in zip(alphas, colors, widths):
    # Grab confidence interval
    conf_ints = pollution_model.conf_int(alpha)
    
    # Pass current interval color and legend label to plot
    plt.hlines(y = conf_ints.index, xmin = conf_ints[0], xmax = conf_ints[1],
               colors = ____, ____ = width, linewidth = 10) 

# Draw point estimates
plt.plot(pollution_model.params, pollution_model.params.index, 'wo', label = 'Point Estimate')

plt.legend()
plt.show()
Редактировать и запускать код