Aan de slagBegin gratis

De residuen minimaliseren

In deze oefening vul je een functie aan om model en data visueel te vergelijken, en om de RSS te berekenen en af te drukken. Je roept de functie meerdere keren aan om te zien hoe de RSS verandert als je waarden voor a0 en a1 aanpast. Je zult zien dat de parameters die we eerder vonden precies diegene zijn die de RSS minimaliseren.

Deze oefening maakt deel uit van de cursus

Introductie tot lineaire modellering in Python

Bekijk cursus

Oefeninstructies

  • Vul de aanroep van model() in en geef de data xd en de modelparameters a0 en a1 door.
  • Bereken rss als de som van het kwadraat van de residuals.
  • Gebruik compute_rss_and_plot_fit() voor verschillende waarden van a0 en a1 om te zien hoe die de RSS beïnvloeden.
  • Stel jezelf ervan gerust dat de oorspronkelijke waarden a0=150 en a1=25 de RSS minimaliseren, en Antwoord verzenden met deze waarden.

Interactieve oefening met praktijkervaring

Probeer deze oefening door deze voorbeeldcode aan te vullen.

# Complete function to load data, build model, compute RSS, and plot
def compute_rss_and_plot_fit(a0, a1):
    xd, yd = load_data()
    ym = model(xd, ____, ____)
    residuals = ym - yd
    rss = np.sum(np.square(____))
    summary = "Parameters a0={}, a1={} yield RSS={:0.2f}".format(____, ____, rss)
    fig = plot_data_with_model(xd, yd, ym, summary)
    return rss, summary

# Chose model parameter values and pass them into RSS function
rss, summary = compute_rss_and_plot_fit(a0=____, a1=____)
print(summary)
Code bewerken en uitvoeren