BaşlayınÜcretsiz başlayın

Doğrusal regresyon sonuçlarını görselleştirme

Şimdi, doğrusal regresyon sonuçlarını dağılım grafiği üzerinde göstereceksin; bu grafiğin kodu önceki egzersizinden senin için zaten hazır. Bunu yapmak için ilk 100 bootstrap örneğini (bs_slope_reps_1975, bs_intercept_reps_1975, bs_slope_reps_2012 ve bs_intercept_reps_2012 içinde saklı) al ve çizgileri plt.plot() içinde alpha=0.2 ve linewidth=0.5 anahtar argümanlarıyla çiz.

Bu egzersiz, kursun bir parçasıdır

Python ile İstatistiksel Düşünme (Bölüm 2)

Kursa Göz Atın

Egzersiz talimatları

  • Bootstrap çizgileri için \(x\) değerlerini np.array() kullanarak üret. Bunlar 10 mm ve 17 mm'den oluşmalı.
  • 1975 ve 2012 veri kümeleri için 100 adet bootstrap çizgisini çizmek üzere bir for döngüsü yaz. 1975 veri kümesine ait çizgiler 'blue', 2012 veri kümesine ait çizgiler 'red' olmalı.
  • Grafiği görmek için Yanıtı Gönder'e bas!

Uygulamalı etkileşimli egzersiz

Bu egzersizi bu örnek kodu tamamlayarak deneyin.

# Make scatter plot of 1975 data
_ = plt.plot(bl_1975, bd_1975, marker='.',
             linestyle='none', color='blue', alpha=0.5)

# Make scatter plot of 2012 data
_ = plt.plot(bl_2012, bd_2012, marker='.',
             linestyle='none', color='red', alpha=0.5)

# Label axes and make legend
_ = plt.xlabel('beak length (mm)')
_ = plt.ylabel('beak depth (mm)')
_ = plt.legend(('1975', '2012'), loc='upper left')

# Generate x-values for bootstrap lines: x
x = np.array([____, ____])

# Plot the bootstrap lines
for i in range(100):
    plt.plot(____, ____,
             linewidth=0.5, alpha=0.2, color=____)
    plt.plot(____, ____,
             linewidth=0.5, alpha=0.2, color=____)

# Draw the plot again
plt.show()
Kodu Düzenle ve Çalıştır