RMSE krok za krokem

V tomto cvičení kvantifikuješ celkovou „kvalitu modelu" (goodness-of-fit) předpřipraveného modelu tím, že krok za krokem vypočítáš RMSE – jednu z nejčastěji používaných numerických měr kvality modelu.

Vychází se z předem načtených dat x_data a y_data, která použiješ spolu s předdefinovanou funkcí model_fit_and_predict().

Toto cvičení je součástí kurzu

Úvod do lineárního modelování v Pythonu

Zobrazit kurz

Pokyny k cvičení

Vypočítej hodnoty y_model pomocí model_fit_and_predict(x_data, y_data).
Vypočítej residuals jako rozdíl mezi y_model a y_data.
Pomocí np.sum() a np.square() vypočítej RSS a výsledek vydel len(residuals), čímž získáš MSE.
Aplikuj np.sqrt() na MSE, abys získal/a RMSE, a vypiš všechny výsledky.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Build the model and compute the residuals "model - data"
y_model = model_fit_and_predict(x_data, y_data)
residuals = ____ - ____

# Compute the RSS, MSE, and RMSE and print the results
RSS = np.____(np.____(residuals))
MSE = ____/len(residuals)
RMSE = np.____(____)
print('RMSE = {:0.2f}, MSE = {:0.2f}, RSS = {:0.2f}'.format(RMSE, MSE, RSS))

Upravit a spustit kód