शुरू करेंमुफ़्त में शुरू करें

Residual Sum of Squares

एक पिछले अभ्यास में, हमने देखा था कि एक हाइकिंग ट्रेल के साथ ऊँचाई को एक रैखिक मॉडल से लगभग फिट किया जा सकता है, और हमने मॉडल और डेटा के बीच की differences (अंतर) की परिकल्पना को मॉडल की गुणवत्ता के माप के रूप में पेश किया था.

इस अभ्यास में, आप उसी मापा गया डेटा इस्तेमाल करेंगे, और यह मापेंगे कि कोई मॉडल उसे कितना अच्छी तरह फिट करता है, इसके लिए इन "differences" (जिन्हें "residuals" भी कहते हैं) के वर्गों का योग निकालेंगे.

यह अभ्यास पाठ्यक्रम का हिस्सा है

Python में Linear Modeling परिचय

पाठ्यक्रम देखें

अभ्यास निर्देश

  • प्री-डिफाइंड load_data() फंक्शन से x_data, y_data लोड करें.
  • प्री-डिफाइंड model() कॉल करें, और उसमें x_data तथा दिए गए मान a0, a1 पास करें.
  • अवशेष (residuals) को y_data - y_model के रूप में निकालें, फिर np.square() और np.sum() का उपयोग करके rss पाएँ.
  • प्राप्त rss मान को प्रिंट करें.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# 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(____))
कोड संपादित करें और चलाएँ