Parametri del modello
Ora che hai costruito un modello generale, "ottimizziamolo" o "adattiamolo" a un nuovo insieme di dati misurati (precaricato), xd, yd, trovando i valori specifici dei parametri del modello a0, a1 per cui i dati del modello e quelli misurati coincidono nel grafico.
Questa è una strategia iterativa basata sulla visualizzazione: partiamo da una stima dei parametri del modello, li passiamo alla model(), sovrapponiamo i dati modellati ai dati misurati e verifichiamo visivamente che la retta passi per i punti. Se non succede, cambiamo i parametri del modello e riproviamo.
Questo esercizio fa parte del corso
Introduzione alla modellazione lineare in Python
Istruzioni dell'esercizio
- Completa la funzione
plot_data_and_model(xd, yd, ym), passandoxd, ydexd, ymalle chiamate di grafico interne. - Calcola le predizioni del modello usando
ym = model()passando sia i datixdsia le stime dei parametria0ea1.- Esamina i dati forniti sopra e usali come guida per le prime due stime. Potrai tornare a rivederle dopo aver visto come la retta si adatta ai dati.
- Usa
plot_data_and_model()per tracciare insiemexd,ydeym. - Modifica i valori di
a0ea1e ripeti i 2 passaggi precedenti finché la retta non passa per tutti i punti.
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
# Complete the plotting function definition
def plot_data_with_model(xd, yd, ym):
fig = plot_data(____, ____) # plot measured data
fig.axes[0].plot(____, ____, color='red') # over-plot modeled data
plt.show()
return fig
# Select new model parameters a0, a1, and generate modeled `ym` from them.
a0 = ____
a1 = ____
ym = model(xd, a0, a1)
# Plot the resulting model to see whether it fits the data
fig = plot_data_with_model(xd, yd, ____)