LoslegenKostenlos loslegen

Residuals minimieren

In dieser Übung ergänzt du eine Funktion, um Modell und Daten visuell zu vergleichen sowie die RSS zu berechnen und auszugeben. Du rufst sie mehrmals auf, um zu sehen, wie sich die RSS verändert, wenn du die Werte für a0 und a1 änderst. Wir werden sehen, dass die Parameterwerte, die wir zuvor gefunden haben, diejenigen sind, die die RSS minimieren.

Diese Übung ist Teil des Kurses

Einführung in lineares Modellieren mit Python

Kurs anzeigen

Anleitung zur Übung

  • Ergänze den Aufruf von model() und übergib die Daten xd sowie die Modellparameter a0 und a1.
  • Berechne rss als Summe der Quadrate der residuals.
  • Verwende compute_rss_and_plot_fit() für verschiedene Werte von a0 und a1, um zu sehen, wie sie die RSS verändern.
  • Überzeuge dich davon, dass die ursprünglichen Werte a0=150 und a1=25 die RSS minimieren, und sende deine Antwort mit diesen Werten.

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# Complete function to load data, build model, compute RSS, and plot
def compute_rss_and_plot_fit(a0, a1):
    xd, yd = load_data()
    ym = model(xd, ____, ____)
    residuals = ym - yd
    rss = np.sum(np.square(____))
    summary = "Parameters a0={}, a1={} yield RSS={:0.2f}".format(____, ____, rss)
    fig = plot_data_with_model(xd, yd, ym, summary)
    return rss, summary

# Chose model parameter values and pass them into RSS function
rss, summary = compute_rss_and_plot_fit(a0=____, a1=____)
print(summary)
Code bearbeiten und ausführen