1. Nauka
    2. /
  2. Kursy
    3. /
  3. Wprowadzenie do modelowania liniowego w Pythonie
Connected

ćwiczenie

Metoda najmniejszych kwadratów z `numpy`

Poniższe wzory są wynikiem rachunku różniczkowego omówionego we wprowadzeniu. W tym ćwiczeniu przyjmiemy, że obliczenia są poprawne, i zaimplementujemy te wzory w kodzie przy użyciu numpy.

$$ a_{1} = \frac{ covariance(x, y) }{ variance(x) } $$ $$ a_{0} = mean(y) - a_{1} mean(x) $$

Instrukcje

100 XP
  • Oblicz średnie i odchylenia dla dwóch zmiennych x, y z wczytanych danych.
  • Użyj np.sum(), aby uzupełnić wzory metody najmniejszych kwadratów, i wyznacz optymalne wartości a0 oraz a1.
  • Użyj funkcji model(), aby zbudować wartości modelu y_model na podstawie optymalnego nachylenia a1 i wyrazu wolnego a0.
  • Użyj predefiniowanej funkcji compute_rss_and_plot_fit(), aby wizualnie potwierdzić, że ten optymalny model dopasowuje się do danych.