RMSE: шаг за шагом

В этом упражнении вы оцените общее качество готовой модели, вычислив один из наиболее распространённых количественных показателей — RMSE — шаг за шагом.

Возьмите предварительно загруженные данные x_data и y_data и используйте их вместе с заранее определённой функцией model_fit_and_predict().

Это упражнение является частью курса

Введение в линейное моделирование на Python

Посмотреть курс

Инструкции к упражнению

Вычислите значения y_model с помощью model_fit_and_predict(x_data, y_data).
Вычислите residuals как разность между y_model и y_data.
Используйте np.sum() и np.square(), чтобы вычислить RSS, и разделите результат на len(residuals), чтобы получить MSE.
Вычислите np.sqrt() от MSE, чтобы получить RMSE, и выведите все результаты.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# 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))

Редактировать и запускать код