Mulai sekarangMulai gratis

RMSE langkah demi langkah

Dalam latihan ini, Anda akan mengukur "goodness-of-fit" model secara keseluruhan dari sebuah model yang sudah dibuat, dengan menghitung salah satu ukuran kuantitatif kualitas model yang paling umum, yaitu RMSE, selangkah demi selangkah.

Mulailah dengan data yang sudah dimuat x_data dan y_data, dan gunakan bersama fungsi pemodelan yang sudah didefinisikan model_fit_and_predict().

Latihan ini merupakan bagian dari kursus

Pengantar Pemodelan Linear di Python

Lihat Kursus

Instruksi latihan

  • Hitung nilai y_model dari model_fit_and_predict(x_data, y_data).
  • Hitung residuals sebagai selisih antara y_model dan y_data.
  • Gunakan np.sum() dan np.square() untuk menghitung RSS, lalu bagi dengan len(residuals) untuk mendapatkan MSE.
  • Ambil np.sqrt() dari MSE untuk mendapatkan RMSE, dan cetak semua hasilnya.

Latihan interaktif langsung praktik

Cobalah latihan ini dengan melengkapi kode contoh ini.

# Build the model and compute the residuals "model - data"
y_model = model_fit_and_predict(x_data, y_data)
residuals = ____ - ____

# Compute the RSS, MSE, and RMSE and print the results
RSS = np.____(np.____(residuals))
MSE = ____/len(residuals)
RMSE = np.____(____)
print('RMSE = {:0.2f}, MSE = {:0.2f}, RSS = {:0.2f}'.format(RMSE, MSE, RSS))
Edit dan Jalankan Kode