Kom igångKom igång gratis

Modellkomponenter

Tidigare har du arbetat med en fördefinierad modell. I den här övningen ska du implementera en modellfunktion som returnerar modellvärden för y, beräknade utifrån indata x och eventuella koefficienter för "nollte ordningens" term a0, "första ordningens" term a1 och en kvadratisk term a2 (se nedan).

\(y = a_0 + a_1 x + a_2 x^2\)

Kom ihåg att "första ordningen" är linjär, så vi sätter standardvärdena för den här generella linjära modellen med a2=0, men senare kommer vi att ändra detta för att jämföra.

Den här övningen är en del av kursen

Introduktion till linjär modellering i Python

Visa kurs

Övningsinstruktioner

  • Komplettera funktionsdefinitionen model() så att den tar emot x och standardindata a0=3, a1=2, a2=0 och returnerar y.
  • Skapa en array med värden x med hjälp av numpy-metoden np.linspace().
  • Skicka in x i din model() utan att ange a0, a1, a2, för att få de förutsagda standardvärdena för y.
  • Använd den fördefinierade plot_prediction() för att visa ett diagram över data x och y.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Define the general model as a function
def model(x, a0=____, a1=____, a2=____):
    return a0 + (a1*____) + (a2*____*____)

# Generate array x, then predict y values for specific, non-default a0 and a1
x = np.____(-10, 10, 21)
y = model(____)

# Plot the results, y versus x
fig = plot_prediction(____, ____)
Redigera och kör kod