1. Învăţa
    2. /
  2. Courses
    3. /
  3. Pythonで学ぶ統計思考（パート2）
Connected

exercise

どうしてそれが最適なのか？

回帰パラメータを求めるために使った関数 np.polyfit() は、最適 な傾きと切片を見つけます。これは残差平方和（RSS: residual sum of squares）として知られる、残差の二乗和を最小化するように最適化しています。この演習では、最適化される関数である RSS を、傾きパラメータ a に対してプロットします。そのために、切片は最適化で得られた値に固定します。次に、RSS を傾きに対してプロットしましょう。最小になるのはどこでしょうか？

Instrucţiuni

100 XP
  • RSS を計算するための傾きの値を指定します。np.linspace() を使って、0 から 0.1 の範囲に 200 個の点を取得します。たとえば、0 から 0.5 の範囲に 100 個の点を得るには次のように書きます：np.linspace(0, 0.5, 100)。
  • 上で作成した配列を使って、np.empty_like() により RSS を格納する配列 rss を初期化します。empty_like() は、与えられた配列（この場合は a_vals）と同じ形状と型の新しい配列を返します。
  • 傾きに対する RSS の合計を計算する for ループを書きます。ヒント：RSS は np.sum((y_data - a * x_data - b)**2) で与えられます。前の演習で計算した変数 b はすでに名前空間にあります。ここでは、fertility が y_data、illiteracy が x_data です。
  • RSS（rss）を傾き（a_vals）に対してプロットします。
  • プロットを表示するには Submit を押してください！