CommencezCommencez gratuitement

Composantes du modèle

Jusqu'ici, on vous a fourni un modèle prédefini avec lequel travailler. Dans cet exercice, vous allez implémenter une fonction de modèle qui retourne les valeurs du modèle pour y, calculées à partir des données d'entrée x et de coefficients d'entrée pour le terme d'ordre « zéro » a0, le terme d'« ordre un » a1, et un terme quadratique a2 du modèle (voir ci-dessous).

\(y = a_0 + a_1 x + a_2 x^2\)

Rappelez-vous que « ordre un » correspond à un modèle linéaire. Nous allons donc définir les valeurs par défaut de ce modèle linéaire général avec a2=0, puis nous modifierons ceci plus tard pour comparer.

Cette activité fait partie du cours

Introduction aux modèles linéaires en Python

Voir le cours

Instructions de l’exercice

  • Complétez la définition de la fonction model() pour qu'elle prenne x et les entrées par défaut a0=3, a1=2, a2=0, puis retourne y.
  • Créez un tableau de valeurs x à l'aide de la méthode numpy np.linspace().
  • Passez x à votre model() sans préciser a0, a1, a2, afin d'obtenir les valeurs y prédites par défaut.
  • Utilisez la fonction prédéfinie plot_prediction() pour afficher un graphique des données résultantes x et y.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# Define the general model as a function
def model(x, a0=____, a1=____, a2=____):
    return a0 + (a1*____) + (a2*____*____)

# Generate array x, then predict y values for specific, non-default a0 and a1
x = np.____(-10, 10, 21)
y = model(____)

# Plot the results, y versus x
fig = plot_prediction(____, ____)
Modifier et exécuter le code