Extrapolation: हद से आगे निकलना
इस अभ्यास में, हम extrapolation के ख़तरों पर विचार करेंगे। यहाँ पहाड़ पर एक hiking trail की प्रोफ़ाइल दिखाई गई है। ट्रेल का एक हिस्सा, काले रंग में चिन्हित, रैखिक दिखता है और उसी से मॉडल बनाया गया। लेकिन हम देखते हैं कि सबसे बेहतर फिट की रेखा, जो लाल रंग में है, मूल "domain" के बाहर फिट नहीं बैठती, क्योंकि यह नए बाहरी डेटा (नीले रंग में) तक फैलती है.
यदि हम मॉडल का उपयोग करके altitude की भविष्यवाणी करना चाहें, और कुछ tolerance के भीतर सटीक भी रहना हो, तो स्वतंत्र चर x के सबसे छोटे और सबसे बड़े मान क्या होंगे जिन पर हम मॉडल लागू करने की अनुमति दे सकते हैं?
यहाँ, अपने समाधान के लिए पहले से लोड किए गए x_data, y_data, y_model, और plot_data_model_tolerance() का उपयोग करें.
यह अभ्यास पाठ्यक्रम का हिस्सा है
Python में Linear Modeling परिचय
अभ्यास निर्देश
np.abs()का उपयोग करके residuals कोy_data - y_modelके अंतर के रूप में निकालें.- वे
xमान ढूँढ़ें जिन परresidualsएकtolerance = 100meters से कम हैं, और उनके.min()तथा.max()निकालें. np.min()औरnp.max()का उपयोग करकेx_goodमानों की रेंज (सबसे बड़ा और सबसे छोटा) प्रिंट करें.- पूर्वनिर्धारित
plot_data_model_tolerance()का उपयोग करें ताकि डेटा, मॉडल, और वहx_goodरेंज तुलना कर सकें जहाँresiduals < toleranceTrueहै.
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Compute the residuals, "data - model", and determine where [residuals < tolerance]
residuals = np.abs(____ - ____)
tolerance = 100
x_good = x_data[____ < ____]
# Find the min and max of the "good" values, and plot y_data, y_model, and the tolerance range
print('Minimum good x value = {}'.format(np.____(____)))
print('Maximum good x value = {}'.format(np.____(____)))
fig = plot_data_model_tolerance(x_data, y_data, y_model, tolerance)