CommencerCommencer 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 décrite par un modèle linéaire, et nous avons introduit 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 mesures et évaluer la qualité de l’ajustement en calculant la somme des carrés des « différences », appelées aussi « résidus ».

Cet exercice fait partie du cours

Introduction à la modélisation linéaire en Python

Afficher le cours

Instructions

  • Chargez x_data, y_data avec la fonction prédéfinie load_data().
  • Appelez la fonction prédéfinie model() en lui passant x_data ainsi que les valeurs spécifiques 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 cet exemple de code.

# 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