RMSE passo dopo passo

In questo esercizio quantificherai la complessiva "goodness-of-fit" del modello predefinito, calcolando passo dopo passo una delle misure quantitative più comuni della qualità del modello, la RMSE.

Parti dai dati precaricati x_data e y_data, e usali con la funzione di modellazione predefinita model_fit_and_predict().

Questo esercizio fa parte del corso

Introduzione alla modellazione lineare in Python

Visualizza il corso

Istruzioni dell'esercizio

Calcola i valori y_model con model_fit_and_predict(x_data, y_data).
Calcola i residuals come differenza tra y_model e y_data.
Usa np.sum() e np.square() per calcolare l'RSS, e dividi per len(residuals) per ottenere l'MSE.
Fai la np.sqrt() di MSE per ottenere l'RMSE e stampa tutti i risultati.

Esercizio pratico interattivo

Prova a risolvere questo esercizio completando il codice di esempio.

# 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))

Modifica ed esegui il codice