ช่วงความเชื่อมั่น 90, 95 และ 99%

คุณเป็นนักวิทยาศาสตร์ข้อมูลให้กับบริษัทท่องเที่ยวผจญภัยกลางแจ้งในเมืองแฟร์แบงก์ส รัฐอลาสก้า ช่วงนี้ลูกค้าเริ่มประสบปัญหาจากมลพิษ SO₂ ซึ่งส่งผลให้ต้องยกเลิกทัวร์บ่อยครั้งและสูญเสียรายได้ บริษัทมีเซ็นเซอร์วัดค่า CO, NO₂ และ O₃ แต่ยังไม่มีเซ็นเซอร์สำหรับ SO₂

คุณได้สร้างโมเดลที่ทำนายค่า SO₂ จากค่าของสารมลพิษที่มีเซ็นเซอร์อยู่ (โหลดไว้เป็น pollution_model ซึ่งเป็น object ของ statsmodels) และต้องการตรวจสอบว่าสารมลพิษชนิดใดมีผลต่อการทำนาย SO₂ ของโมเดลมากที่สุด เพื่อให้รู้ว่าควรติดตามค่าของสารชนิดใดเป็นพิเศษในการวางแผนทัวร์กลางแจ้ง นอกจากนี้ เพื่อให้รายงานมีข้อมูลครบถ้วนที่สุด ให้แสดงความไม่แน่นอนของค่าประมาณจากโมเดลในหลายระดับ

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

การพัฒนาการแสดงผลข้อมูลใน Python

ดูคอร์ส

คำแนะนำการฝึกหัด

ระบุความกว้างของช่วงความเชื่อมั่นที่เหมาะสม (จาก 90, 95 และ 99%) ให้ตรงกับค่าที่กำหนดไว้ใน alpha
ภายใน for loop ให้กำหนดสีของช่วงตาม color ที่ถูกกำหนดไว้
ส่งค่าเปอร์เซ็นต์ width ของแต่ละรอบลูปไปยัง plt.hlines() เพื่อใส่ป้ายกำกับในเลเจนด์

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# 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()

แก้ไขและรันโค้ด