CommencezCommencez gratuitement

Étudier les résidus

Pour mettre en place un modèle linéaire, vous devez étudier les résidus, c'est‑à‑dire les écarts entre les valeurs prévues et les données observées.

Trois conditions doivent être respectées :

  1. La moyenne doit être 0.
  2. La variance doit être constante.
  3. La distribution doit être normale.

Nous allons travailler avec des résultats de tests pour deux écoles, A et B, sur la même matière. Les modèles model_A et model_B ont été ajustés respectivement avec hours_of_study_A et test_scores_A, ainsi qu'avec hours_of_study_B et test_scores_B.

matplotlib.pyplot a été importé sous le nom plt, numpy sous le nom np et LinearRegression depuis sklearn.linear_model.

Cette activité fait partie du cours

Fondements de la probabilité en Python

Voir le cours

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# Scatterplot of hours of study and test scores
plt.scatter(____, ____)

# Plot of hours_of_study_values_A and predicted values
plt.plot(____, model_A.____(hours_of_study_values_A))
plt.title("Model A", fontsize=25)
plt.show()
Modifier et exécuter le code