Aan de slagBegin gratis

Modelcomponenten

Tot nu toe kreeg je een vooraf gedefinieerd model om mee te werken. In deze oefening implementeer je een modelfunctie die modelwaarden voor y retourneert, berekend op basis van invoerdata x, en eventuele invoercoëfficiënten voor de "nulde-orde" term a0, de "eerste-orde" term a1, en een kwadratische term a2 van een model (zie hieronder).

\(y = a_0 + a_1 x + a_2 x^2\)

Onthoud dat "eerste orde" lineair is, dus stellen we de standaardwaarden voor dit algemene lineaire model in met a2=0. Later passen we dit aan voor vergelijking.

Deze oefening maakt deel uit van de cursus

Introductie tot lineaire modellering in Python

Bekijk cursus

Oefeninstructies

  • Maak de functiedefinitie model() af zodat die x en standaardinputs a0=3, a1=2, a2=0 accepteert, en y retourneert.
  • Maak een array met waarden x met de numpy-methode np.linspace().
  • Geef x door aan je model() zonder a0, a1, a2 te specificeren, zodat je de standaard voorspelde y-waarden krijgt.
  • Gebruik de vooraf gedefinieerde plot_prediction() om een plot te zien van de resulterende data x en y.

Interactieve oefening met praktijkervaring

Probeer deze oefening door deze voorbeeldcode aan te vullen.

# Define the general model as a function
def model(x, a0=____, a1=____, a2=____):
    return a0 + (a1*____) + (a2*____*____)

# Generate array x, then predict y values for specific, non-default a0 and a1
x = np.____(-10, 10, 21)
y = model(____)

# Plot the results, y versus x
fig = plot_prediction(____, ____)
Code bewerken en uitvoeren