1. 학습
    2. /
  2. 강의
    3. /
  3. Python으로 배우는 선형 모델 입문
Connected

연습 문제

Scipy로 최적화하기

최소 RSS 값을 찾는 해석적(analytic) 해를 numpy로 구현할 수도 있어요. 하지만 더 복잡한 모델에서는 해석적 공식을 구할 수 없기 때문에 다른 방법을 사용해야 합니다.

이번 연습 문제에서는 같은 최적화 문제를 더 일반적인 방식으로 풀기 위해 scipy.optimize를 사용해 보겠습니다.

이 과정에서, "최적해가 얼마나 좋은가"를 알려 주는 추가 반환값도 확인하게 됩니다. 비교를 쉽게 하기 위해, 이전 연습 문제에서 사용한 것과 동일한 측정 데이터와 매개변수를 그대로 사용하겠습니다. 새로운 scipy 접근법과의 차이를 살펴보세요.

지침

100 XP
  • 함수 model_func(x, a0, a1)을 정의하고, 주어진 배열 x에 대해 a0 + a1*x를 반환하게 하세요.
  • scipy의 optimize.curve_fit() 함수를 사용해 a0와 a1의 최적값을 계산하세요.
  • param_opt를 언패킹하여 모델 매개변수를 a0 = param_opt[0], a1 = param_opt[1]로 저장하세요.
  • 미리 정의된 함수 compute_rss_and_plot_fit을 사용해 정답을 검증하고 결과를 확인하세요.