เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

การถดถอยเชิงเส้นบนข้อมูล Anscombe ที่เหมาะสม

ลองฝึกทำการถดถอยเชิงเส้นบนชุดข้อมูลจาก Anscombe's quartet ที่เหมาะสมที่สุดสำหรับการวิเคราะห์ด้วยการถดถอยเชิงเส้น

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Statistical Thinking in Python (ตอนที่ 2)

ดูคอร์ส

คำแนะนำการฝึกหัด

  • คำนวณค่าพารามิเตอร์ของความชันและจุดตัดแกนโดยใช้ np.polyfit() โดยข้อมูล Anscombe จะถูกเก็บไว้ในอาร์เรย์ x และ y
  • พิมพ์ค่าความชัน a และจุดตัดแกน b
  • สร้างข้อมูล \(x\) และ \(y\) เชิงทฤษฎีจากการถดถอยเชิงเส้น โดยอาร์เรย์ \(x\) ที่สร้างด้วย np.array() ควรประกอบด้วยค่า 3 และ 15 จากนั้นนำความชันคูณกับ x_theor แล้วบวกด้วยจุดตัดแกนเพื่อสร้างข้อมูล \(y\)
  • พล็อตข้อมูล Anscombe เป็น scatter plot แล้วพล็อตเส้นทฤษฎีทับลงไป อย่าลืมระบุ keyword arguments marker='.' และ linestyle='none' ร่วมกับ x และ y เมื่อพล็อต scatter plot แต่ไม่จำเป็นต้องใช้ argument เหล่านี้เมื่อพล็อตเส้นทฤษฎี
  • กด ส่งคำตอบ เพื่อดูกราฟ!

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Perform linear regression: a, b
a, b = ____

# Print the slope and intercept
print(____, ____)

# Generate theoretical x and y data: x_theor, y_theor
x_theor = np.array([____, ____])
y_theor = ____ * ____ + ____

# Plot the Anscombe data and theoretical line
_ = ____
_ = ____

# Label the axes
plt.xlabel('x')
plt.ylabel('y')

# Show the plot
plt.show()
แก้ไขและรันโค้ด