LoslegenKostenlos loslegen

Modellparameter

Jetzt, da du ein allgemeines Modell gebaut hast, lass es uns auf einen neuen (vorgeladenen) Messdatensatz xd, yd „optimieren“ bzw. „fitten“, indem wir die spezifischen Werte für die Modellparameter a0, a1 finden, bei denen Modell- und Messdaten im Plot übereinanderliegen.

Das ist eine iterative Visualisierungsstrategie: Wir starten mit einer Schätzung der Modellparameter, geben sie in model() hinein, legen die resultierenden Modellwerte über die Messdaten und prüfen visuell, ob die Linie durch die Punkte verläuft. Wenn nicht, ändern wir die Modellparameter und versuchen es erneut.

Diese Übung ist Teil des Kurses

Einführung in lineares Modellieren mit Python

Kurs anzeigen

Anleitung zur Übung

  • Vervollständige die Funktion plot_data_and_model(xd, yd, ym), indem du xd, yd und xd, ym in die internen Plotaufrufe übergibst.
  • Berechne Modellvorhersagen mit ym = model(), indem du sowohl die Daten xd als auch die geschätzten Modellparameter a0 und a1 übergibst.
    • Sieh dir die oben bereitgestellten Daten an und nutze sie als Orientierung für deine ersten beiden Schätzungen. Du kannst diese Schätzungen später anpassen, nachdem du gesehen hast, wie gut die Linie zu den Daten passt.
  • Nutze plot_data_and_model(), um xd, yd und ym gemeinsam zu plotten.
  • Ändere die Werte von a0 und a1 und wiederhole die vorherigen 2 Schritte, bis die Linie durch alle Punkte verläuft.

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# Complete the plotting function definition
def plot_data_with_model(xd, yd, ym):
    fig = plot_data(____, ____)  # plot measured data
    fig.axes[0].plot(____, ____, color='red')  # over-plot modeled data
    plt.show()
    return fig

# Select new model parameters a0, a1, and generate modeled `ym` from them.
a0 = ____
a1 = ____
ym = model(xd, a0, a1)

# Plot the resulting model to see whether it fits the data
fig = plot_data_with_model(xd, yd, ____)
Code bearbeiten und ausführen