CommencerCommencer gratuitement

Paramètres du modèle

Maintenant que vous avez construit un modèle général, « optimisons-le » ou « ajustons-le » à un nouveau jeu de données mesurées (préchargé), xd, yd, en trouvant les valeurs spécifiques des paramètres de modèle a0, a1 pour lesquelles les données du modèle et les données mesurées s’alignent sur un même graphique.

Il s’agit d’une stratégie itérative par visualisation : nous partons d’une estimation des paramètres, nous les passons à model(), nous superposons les données modélisées aux données mesurées, puis nous vérifions visuellement que la droite passe par les points. Si ce n’est pas le cas, nous modifions les paramètres et nous réessayons.

Cet exercice fait partie du cours

Introduction à la modélisation linéaire en Python

Afficher le cours

Instructions

  • Complétez la fonction plot_data_and_model(xd, yd, ym) en passant xd, yd et xd, ym aux appels internes de tracé.
  • Calculez les prédictions du modèle avec ym = model() en passant à la fois les données xd et les paramètres estimés a0 et a1.
    • Examinez les données fournies ci-dessus et servez-vous-en comme guide pour vos deux premières estimations. Vous pourrez revenir et les affiner après avoir observé comment la droite s’ajuste aux données.
  • Utilisez plot_data_and_model() pour tracer ensemble xd, yd et ym.
  • Modifiez les valeurs de a0 et a1 et répétez les 2 étapes précédentes jusqu’à ce que la droite passe par tous les points.

Exercice interactif pratique

Essayez cet exercice en complétant cet exemple de code.

# Complete the plotting function definition
def plot_data_with_model(xd, yd, ym):
    fig = plot_data(____, ____)  # plot measured data
    fig.axes[0].plot(____, ____, color='red')  # over-plot modeled data
    plt.show()
    return fig

# Select new model parameters a0, a1, and generate modeled `ym` from them.
a0 = ____
a1 = ____
ym = model(xd, a0, a1)

# Plot the resulting model to see whether it fits the data
fig = plot_data_with_model(xd, yd, ____)
Modifier et exécuter le code