Minimizzare i residui

In questo esercizio completerai una funzione per confrontare visivamente modello e dati, e per calcolare e stampare l'RSS. La richiamerai più volte per vedere come l'RSS cambia quando modifichi i valori di a0 e a1. Vedremo che i valori dei parametri trovati in precedenza sono quelli che servono per minimizzare l'RSS.

Questo esercizio fa parte del corso

Introduzione alla modellazione lineare in Python

Visualizza il corso

Istruzioni dell'esercizio

Compila la chiamata a model() passando i dati xd e i parametri del modello a0 e a1.
Calcola rss come somma dei quadrati dei residuals.
Usa compute_rss_and_plot_fit() con diversi valori di a0 e a1 per vedere come cambiano l'RSS.
Verifica che i valori originali a0=150 e a1=25 minimizzano l'RSS e invia la risposta con questi valori.

Esercizio pratico interattivo

Prova a risolvere questo esercizio completando il codice di esempio.

# Complete function to load data, build model, compute RSS, and plot
def compute_rss_and_plot_fit(a0, a1):
    xd, yd = load_data()
    ym = model(xd, ____, ____)
    residuals = ym - yd
    rss = np.sum(np.square(____))
    summary = "Parameters a0={}, a1={} yield RSS={:0.2f}".format(____, ____, rss)
    fig = plot_data_with_model(xd, yd, ym, summary)
    return rss, summary

# Chose model parameter values and pass them into RSS function
rss, summary = compute_rss_and_plot_fit(a0=____, a1=____)
print(summary)

Modifica ed esegui il codice