Визуальная оценка наклона и точки пересечения
Построение линейных моделей — это автоматизированный способ сделать то, что можно приближённо выполнить «вручную» с помощью визуализации данных и метода проб и ошибок. Визуальный подход не самый эффективный и точный, зато он отлично иллюстрирует ключевые концепции — так что давайте попробуем!
По имеющимся данным ваша задача — подобрать значения наклона и точки пересечения, передать их в модель и корректировать догадки до тех пор, пока модель не совпадёт с данными. Используйте предоставленные данные xd, yd и функцию model() для получения предсказаний модели. Сравните предсказания с данными с помощью функции plot_data_and_model().
Это упражнение является частью курса
Введение в линейное моделирование на Python
Инструкции к упражнению
- Изучите график выше и дайте предварительные оценки для
trial_slopeиtrial_intercept. При необходимости их можно скорректировать позже. - Используйте предопределённую функцию
xm, ym = model(intercept, slope), чтобы получить предсказания модели. - Используйте функцию
fig = plot_data_and_model(xd, yd, xm, ym), чтобы отобразить на одном графике измеренные данные(xd, yd)и предсказания модели(xm, ym). - Если модель не совпадает с данными, попробуйте другие значения
trial_slopeиtrial_interceptи запустите код повторно. - Повторяйте, пока не найдёте наилучшие значения, затем присвойте их переменным
final_slopeиfinal_interceptи отправьте ответ.
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
# 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 = ____