LoslegenKostenlos loslegen

Steigung und Achsenabschnitt visuell schätzen

Lineare Modelle zu bauen, ist eine automatisierte Variante dessen, was wir mit Datenvisualisierung und viel Ausprobieren grob auch „manuell“ tun können. Die visuelle Methode ist nicht die effizienteste oder präziseste, aber sie veranschaulicht die Konzepte sehr gut – also probieren wir es aus!

Ausgehend von gemessenen Daten ist dein Ziel, Werte für Steigung und Achsenabschnitt zu schätzen, sie ins Modell zu geben und deine Schätzung so anzupassen, bis das resultierende Modell zu den Daten passt. Verwende die bereitgestellten Daten xd, yd und die Funktion model(), um Modellvorhersagen zu erzeugen. Vergleiche Vorhersagen und Daten mit plot_data_and_model().

Diese Übung ist Teil des Kurses

Einführung in lineares Modellieren mit Python

Kurs anzeigen

Anleitung zur Übung

  • Sieh dir die obige Grafik an und gib erste Schätzungen für trial_slope und trial_intercept an. Diese kannst du später in der Übung anpassen.
  • Verwende die vordefinierte Funktion xm, ym = model(intercept, slope), um Modellvorhersagen zu erzeugen.
  • Verwende die Funktion fig = plot_data_and_model(xd, yd, xm, ym), um die gemessenen Daten (xd, yd) und die Modellvorhersagen (xm, ym) gemeinsam zu plotten.
  • Falls das Modell nicht zu den Daten passt, probiere andere Werte für trial_slope und trial_intercept aus und führe den Code erneut aus.
  • Wiederhole dies, bis du glaubst, die besten Werte zu haben, und weise sie dann final_slope und final_intercept zu und Antwort senden.

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# Look at the plot data and guess initial trial values
trial_slope = ____
trial_intercept = ____

# input thoses guesses into the model function to compute the model values.
xm, ym = ____(trial_intercept, trial_slope)

# Compare your your model to the data with the plot function
fig = ____(xd, yd, xm, ym)
plt.show()

# Repeat the steps above until your slope and intercept guess makes the model line up with the data.
final_slope = ____
final_intercept = ____
Code bearbeiten und ausführen