Wizualne szacowanie nachylenia i punktu przecięcia
Budowanie modeli liniowych to zautomatyzowany sposób robienia czegoś, co możemy z grubsza zrobić „ręcznie" – za pomocą wizualizacji danych i wielu prób. Ta wizualna metoda nie jest najbardziej wydajną ani precyzyjną, ale doskonale ilustruje kluczowe pojęcia – więc sprawdźmy, jak to działa!
Mając do dyspozycji zmierzone dane, spróbuj oszacować wartości nachylenia i punktu przecięcia, przekazać je do modelu, a następnie dostosowywać zgadywane wartości, aż model dobrze dopasuje się do danych. Skorzystaj z dostarczonych danych xd, yd oraz funkcji model(), aby wygenerować przewidywania modelu. Porównaj przewidywania z danymi przy użyciu dostarczonej funkcji plot_data_and_model().
To ćwiczenie jest częścią kursu
Wprowadzenie do modelowania liniowego w Pythonie
Instrukcje do ćwiczenia
- Przeanalizuj powyższy wykres i podaj wstępne oszacowania wartości
trial_slopeoraztrial_intercept. Możesz je później dostosować w trakcie ćwiczenia. - Użyj predefiniowanej funkcji
xm, ym = model(intercept, slope), aby wygenerować przewidywania modelu. - Użyj dostarczonej funkcji
fig = plot_data_and_model(xd, yd, xm, ym), aby zwizualizować zmierzone dane(xd, yd)i przewidywania modelu(xm, ym)na jednym wykresie. - Jeśli model nie pasuje do danych, wypróbuj inne wartości
trial_slopeitrial_intercepti uruchom kod ponownie. - Powtarzaj, aż uznasz, że masz najlepsze wartości – przypisz je do
final_slopeifinal_intercept, a następnie prześlij odpowiedź.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Look at the plot data and guess initial trial values
trial_slope = ____
trial_intercept = ____
# input thoses guesses into the model function to compute the model values.
xm, ym = ____(trial_intercept, trial_slope)
# Compare your your model to the data with the plot function
fig = ____(xd, yd, xm, ym)
plt.show()
# Repeat the steps above until your slope and intercept guess makes the model line up with the data.
final_slope = ____
final_intercept = ____