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
Anleitung zur Übung
- Berechne
y_modelmitmodel_fit_and_predict(x_data, y_data). - Berechne die
residualsals Differenz zwischeny_modelundy_data. - Verwende
np.sum()undnp.square(), um dieRSSzu berechnen, und teile durchlen(residuals), um dieMSEzu erhalten. - Ziehe die
np.sqrt()vonMSE, um dieRMSEzu 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))