Studium reziduálů
Při implementaci lineárního modelu je potřeba prostudovat reziduály – tedy vzdálenosti mezi předpovězenými hodnotami a skutečnými daty.
Musí být splněny tři podmínky:
- Střední hodnota musí být 0.
- Rozptyl musí být konstantní.
- Rozdělení musí být normální.
Budeme pracovat s daty výsledků testů ze dvou škol, A a B, ze stejného předmětu. model_A a model_B byly natrenovány na datech hours_of_study_A a test_scores_A, resp. hours_of_study_B a test_scores_B.
matplotlib.pyplot byl importován jako plt, numpy jako np a LinearRegression z sklearn.linear_model.
Toto cvičení je součástí kurzu
Základy pravděpodobnosti v Pythonu
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
# Scatterplot of hours of study and test scores
plt.scatter(____, ____)
# Plot of hours_of_study_values_A and predicted values
plt.plot(____, model_A.____(hours_of_study_values_A))
plt.title("Model A", fontsize=25)
plt.show()