CommencezCommencez gratuitement

Somme des carrés des résidus

Dans un exercice précédent, nous avons vu que l'altitude le long d'un sentier de randonnée était approximativement modélisée par un modèle linéaire, et nous avons présenté la notion de différences entre le modèle et les données comme mesure de la qualité du modèle.

Dans cet exercice, vous allez travailler avec les mêmes données mesurées et quantifier la qualité de l'ajustement du modèle en calculant la somme des carrés des « différences », aussi appelées « résidus ».

Cette activité fait partie du cours

Introduction aux modèles linéaires en Python

Voir le cours

Instructions de l’exercice

  • Chargez x_data, y_data avec la fonction prédéfinie load_data().
  • Appelez la fonction prédéfinie model(), en lui passant x_data ainsi que des valeurs précises a0, a1.
  • Calculez les résidus avec y_data - y_model, puis obtenez rss en utilisant np.square() et np.sum().
  • Affichez la valeur obtenue de rss.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# Load the data
x_data, y_data = load_data()

# Model the data with specified values for parameters a0, a1
y_model = model(____, a0=150, a1=25)

# Compute the RSS value for this parameterization of the model
rss = np.sum(np.square(____ - ____))
print("RSS = {}".format(____))
Modifier et exécuter le code