RMSE passo a passo

Neste exercício, você vai quantificar o "ajuste geral" de um modelo já construído, calculando passo a passo uma das medidas quantitativas mais comuns de qualidade de modelo: o RMSE.

Comece com os dados pré-carregados x_data e y_data, e use-os com a função de modelagem predefinida model_fit_and_predict().

Este exercicio faz parte do curso

Introdução à Modelagem Linear em Python

Ver curso

Instruções do exercicio

Calcule os valores de y_model com model_fit_and_predict(x_data, y_data).
Calcule os residuals como a diferença entre y_model e y_data.
Use np.sum() e np.square() para calcular o RSS, e divida por len(residuals) para obter o MSE.
Tire a np.sqrt() de MSE para obter o RMSE e imprima todos os resultados.

exercicio interativo prático

Tente este exercicio completando este código de exemplo.

# 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))

Editar e Executar Código