LoslegenKostenlos loslegen

Residual Sum of the Squares

In einer früheren Übung haben wir gesehen, dass die Höhe entlang eines Wanderwegs grob durch ein lineares Modell beschrieben werden kann, und wir haben den Begriff der Differenzen zwischen Modell und Daten als Maß für die Güte des Modells eingeführt.

In dieser Übung arbeitest du mit denselben Messdaten und quantifizierst, wie gut ein Modell passt, indem du die Summe der Quadrate der „Differenzen“ berechnest, auch „Residuen“ genannt.

Diese Übung ist Teil des Kurses

Einführung in lineares Modellieren mit Python

Kurs anzeigen

Anleitung zur Übung

  • Lade x_data, y_data mit der vordefinierten Funktion load_data().
  • Rufe das vordefinierte model() auf und übergib x_data sowie die konkreten Werte a0, a1.
  • Berechne die Residuen als y_data - y_model und ermittle dann rss mit np.square() und np.sum().
  • Gib den resultierenden Wert von rss aus.

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# Load the data
x_data, y_data = load_data()

# Model the data with specified values for parameters a0, a1
y_model = model(____, a0=150, a1=25)

# Compute the RSS value for this parameterization of the model
rss = np.sum(np.square(____ - ____))
print("RSS = {}".format(____))
Code bearbeiten und ausführen