RMSE krok po kroku

W tym ćwiczeniu ocenisz ogólną jakość dopasowania gotowego modelu, obliczając krok po kroku jedną z najczęściej stosowanych miar jakości modelu – RMSE.

Wykorzystaj wstępnie wczytane dane x_data i y_data oraz predefiniowaną funkcję model_fit_and_predict().

To ćwiczenie jest częścią kursu

Wprowadzenie do modelowania liniowego w Pythonie

Zobacz kurs

Instrukcje do ćwiczenia

Oblicz wartości y_model, wywołując model_fit_and_predict(x_data, y_data).
Oblicz residuals jako różnicę między y_model a y_data.
Użyj np.sum() i np.square(), aby obliczyć RSS, a następnie podziel przez len(residuals), aby otrzymać MSE.
Zastosuj np.sqrt() do MSE, aby uzyskać RMSE, i wyświetl wszystkie wyniki.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# Build the model and compute the residuals "model - data"
y_model = model_fit_and_predict(x_data, y_data)
residuals = ____ - ____

# Compute the RSS, MSE, and RMSE and print the results
RSS = np.____(np.____(residuals))
MSE = ____/len(residuals)
RMSE = np.____(____)
print('RMSE = {:0.2f}, MSE = {:0.2f}, RSS = {:0.2f}'.format(RMSE, MSE, RSS))

Edytuj i uruchom kod