Gründe fürs Modellieren: Extrapolation

Ein weiterer häufiger Einsatz von Modellen ist die Extrapolation, um Datenwerte „außerhalb“ bzw. „jenseits“ des Bereichs (Min- und Max-Werte von time) der gemessenen Daten zu schätzen. In dieser Übung haben wir Strecken für Zeiten von 0 bis 5 Stunden gemessen, möchten aber abschätzen, wie weit wir in 8 Stunden kommen. Mit demselben Datensatz wie in der vorherigen Übung haben wir ein lineares Modell vorbereitet: distance = model(time). Verwende dieses model(), um eine Vorhersage für die zurückgelegte Strecke bei einer Zeit zu treffen, die deutlich größer ist als die anderen Messzeiten.

context figure

Diese Übung ist Teil des Kurses

<Kurs>Einführung in lineares Modellieren mit Python</Kurs>

Kurs ansehen

Übungsanweisungen

Verwende distance = model(time), um über die Messdaten hinaus auf time=8 Stunden zu extrapolieren.
Gib die vorhergesagte distance aus und prüfe dann, ob sie kleiner oder gleich 400 ist.
Wenn dein Auto mit vollem Tank höchstens 400 Meilen schafft und die Heimfahrt 8 Stunden dauert: Kommst du ohne Nachzutanken an? Du solltest answer=True setzen, wenn du es schaffst, oder answer=False, wenn dir der Sprit ausgeht.

Interaktive praktische Übung

Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.

# Select a time not measured.
time = 8

# Use the model to compute a predicted distance for that time.
distance = model(____)

# Inspect the value of the predicted distance traveled.
print(distance)

# Determine if you will make it without refueling.
answer = (____ <= 400)
print(answer)

Code bearbeiten und ausführen