RMSE を段階的に計算する
この演習では、あらかじめ用意されたモデルについて、最も一般的なモデル品質の定量指標のひとつである RMSE を段階的に計算し、全体的なモデルの「当てはまりの良さ」を定量化します。
事前に読み込まれている x_data と y_data を使い、定義済みのモデリング関数 model_fit_and_predict() を使用します。
この演習はコースの一部です
Pythonで学ぶ線形モデリング入門
演習の手順
model_fit_and_predict(x_data, y_data)からy_modelを計算します。y_modelとy_dataの差を取り、residualsを計算します。np.sum()とnp.square()を使ってRSSを計算し、len(residuals)で割ってMSEを求めます。MSEのnp.sqrt()を取りRMSEを求め、すべての結果を出力します。
実践的なインタラクティブ演習
このサンプルコードを完成させて、この演習に挑戦してみましょう。
# 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))