Estimando visualmente a inclinação e o intercepto
Construir modelos lineares é uma forma automatizada de fazer algo que podemos fazer, de maneira aproximada, “manualmente”, com visualização de dados e bastante tentativa e erro. O método visual não é o mais eficiente nem o mais preciso, mas ele ilustra muito bem os conceitos, então vamos experimentá-lo!
Dado um conjunto de dados medidos, seu objetivo é chutar valores para a inclinação (slope) e o intercepto, passá-los para o modelo e ajustar seu chute até que o modelo resultante se ajuste aos dados. Use os dados fornecidos xd, yd e a função model() para criar as previsões do modelo. Compare as previsões e os dados usando plot_data_and_model().
Este exercicio faz parte do curso
Introdução à Modelagem Linear em Python
Instruções do exercicio
- Observe o gráfico acima e forneça estimativas preliminares para
trial_slopeetrial_intercept. Você poderá ajustá-las depois no exercício. - Use a função predefinida
xm, ym = model(intercept, slope)para gerar as previsões do modelo. - Use a função
fig = plot_data_and_model(xd, yd, xm, ym)para plotar juntos os dados medidos(xd, yd)e as previsões do modelo(xm, ym). - Se o modelo não se ajustar aos dados, tente valores diferentes para
trial_slopeetrial_intercepte execute o código novamente. - Repita até acreditar que encontrou os melhores valores e, então, atribua-os a
final_slopeefinal_intercepte Enviar Resposta.
exercicio interativo prático
Tente este exercicio completando este código de exemplo.
# 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 = ____