Studiare i residui
Per implementare un modello lineare devi studiare i residui, ovvero le distanze tra i valori previsti e i dati osservati.
Devono essere soddisfatte tre condizioni:
- La media deve essere 0.
- La varianza deve essere costante.
- La distribuzione deve essere normale.
Lavoreremo con i punteggi dei test per due scuole, A e B, sulla stessa materia. model_A e model_B sono stati addestrati rispettivamente con hours_of_study_A e test_scores_A e con hours_of_study_B e test_scores_B.
matplotlib.pyplot è stato importato come plt, numpy come np e LinearRegression da sklearn.linear_model.
Questo esercizio fa parte del corso
Fondamenti di probabilità in Python
esercizio interattivo pratico
Prova questo esercizio completando questo codice di esempio.
# Scatterplot of hours of study and test scores
plt.scatter(____, ____)
# Plot of hours_of_study_values_A and predicted values
plt.plot(____, model_A.____(hours_of_study_values_A))
plt.title("Model A", fontsize=25)
plt.show()