ПочатиПочніть безкоштовно

Регресії з бутстрепом

Працюючи в департаменті парків та відпочинку Лонг-Біч і досліджуючи зв'язок між NO2 та SO2, ви помітили скупчення потенційних викидів, які, на вашу думку, можуть спотворювати кореляції.

SO2 NO2 scatter

Дослідіть невизначеність ваших кореляцій за допомогою повторної вибірки бутстреп, щоб побачити, наскільки стабільні ваші апроксимації. Для зручності бутстреп-відібрання вже виконано та надано як no2_so2_boot, а також no2_so2 для даних без повторної вибірки.

Ця вправа є частиною курсу

Удосконалення візуалізацій даних у Python

Переглянути курс

Інструкції до вправи

  • Вкажіть sns.lmplot(), що потрібно намалювати окрему лінію регресії для кожного бутстреп-sample.
  • Задайте кожній лінії регресії колір 'steelblue' і прозорість 20%.
  • Вимкніть стандартні довірчі смуги Seaborn навколо ліній регресії.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

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()
Редагувати та запускати код