Kom igångKom igång gratis

Modellparametrar

Nu när du har byggt en generell modell är det dags att "optimera" eller "anpassa" den till en ny (förinstallerad) uppmätt datamängd, xd, yd, genom att hitta de specifika värdena för modellparametrarna a0, a1 där modelldata och uppmätt data sammanfaller i ett diagram.

Detta är en iterativ visualiseringsstrategi där vi börjar med en gissning för modellparametrarna, skickar dem till model(), ritar den modellerade datan ovanpå den uppmätta datan och kontrollerar visuellt att linjen går genom punkterna. Om den inte gör det ändrar vi modellparametrarna och försöker igen.

Den här övningen är en del av kursen

Introduktion till linjär modellering i Python

Visa kurs

Övningsinstruktioner

  • Komplettera funktionen plot_data_and_model(xd, yd, ym) genom att skicka xd, yd och xd, ym till de interna plottanropen.
  • Beräkna modellens prediktioner med ym = model() genom att skicka in både datan xd och de uppskattade modellparametrarna a0 och a1.
    • Granska datan ovan och använd den som vägledning när du gör dina första två uppskattningar. Du kan gå tillbaka och justera uppskattningarna efter att ha sett hur linjen passar mot datan.
  • Använd plot_data_and_model() för att rita xd, yd och ym tillsammans.
  • Ändra värdena för a0 och a1 och upprepa de två föregående stegen tills linjen går genom alla punkter.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Complete the plotting function definition
def plot_data_with_model(xd, yd, ym):
    fig = plot_data(____, ____)  # plot measured data
    fig.axes[0].plot(____, ____, color='red')  # over-plot modeled data
    plt.show()
    return fig

# Select new model parameters a0, a1, and generate modeled `ym` from them.
a0 = ____
a1 = ____
ym = model(xd, a0, a1)

# Plot the resulting model to see whether it fits the data
fig = plot_data_with_model(xd, yd, ____)
Redigera och kör kod