Kom igångKom igång gratis

Residualernas kvadratsumma

I en tidigare övning såg vi att höjdprofilen längs en vandringsled ungefär följde en linjär modell. Där introducerade vi också begreppet differenser mellan modellen och datan som ett mått på modellens träffsäkerhet.

I den här övningen arbetar du med samma uppmätta data och kvantifierar hur väl en modell passar genom att beräkna summan av kvadraten av "differenserna", även kallade "residualer".

Den här övningen är en del av kursen

Introduktion till linjär modellering i Python

Visa kurs

Övningsinstruktioner

  • Läs in x_data och y_data med den fördefinierade funktionen load_data().
  • Anropa den fördefinierade funktionen model() och skicka in x_data samt de specifika värdena a0 och a1.
  • Beräkna residualerna som y_data - y_model och beräkna sedan rss med hjälp av np.square() och np.sum().
  • Skriv ut det resulterande värdet av rss.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Load the data
x_data, y_data = load_data()

# Model the data with specified values for parameters a0, a1
y_model = model(____, a0=150, a1=25)

# Compute the RSS value for this parameterization of the model
rss = np.sum(np.square(____ - ____))
print("RSS = {}".format(____))
Redigera och kör kod