LoslegenKostenlos loslegen

RMSE Schritt für Schritt

In dieser Übung quantifizierst du die allgemeine Modellgüte („goodness-of-fit“) eines vorab erstellten Modells, indem du eine der gängigsten Kennzahlen für Modellqualität, die RMSE, Schritt für Schritt berechnest.

Beginne mit den vorab geladenen Daten x_data und y_data und nutze sie mit der vordefinierten Modellfunktion model_fit_and_predict().

Diese Übung ist Teil des Kurses

Einführung in lineares Modellieren mit Python

Kurs anzeigen

Anleitung zur Übung

  • Berechne y_model mit model_fit_and_predict(x_data, y_data).
  • Berechne die residuals als Differenz zwischen y_model und y_data.
  • Verwende np.sum() und np.square(), um die RSS zu berechnen, und teile durch len(residuals), um die MSE zu erhalten.
  • Ziehe die np.sqrt() von MSE, um die RMSE zu erhalten, und gib alle Ergebnisse aus.

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# Build the model and compute the residuals "model - data"
y_model = model_fit_and_predict(x_data, y_data)
residuals = ____ - ____

# Compute the RSS, MSE, and RMSE and print the results
RSS = np.____(np.____(residuals))
MSE = ____/len(residuals)
RMSE = np.____(____)
print('RMSE = {:0.2f}, MSE = {:0.2f}, RSS = {:0.2f}'.format(RMSE, MSE, RSS))
Code bearbeiten und ausführen