Uppskatta lutning och intercept visuellt
Att bygga linjära modeller är ett automatiserat sätt att göra något vi grovt sett kan göra "manuellt" med datavisualisering och mycket prövning och justering. Den visuella metoden är varken den effektivaste eller mest precisa, men den illustrerar koncepten väldigt tydligt – så låt oss testa!
Givet uppmätta data är målet att gissa värden för lutning och intercept, mata in dem i modellen och justera tills modellen passar datan. Använd de tillhandahållna datan xd, yd och funktionen model() för att skapa modellprediktioner. Jämför prediktionerna med datan med hjälp av den tillhandahållna funktionen plot_data_and_model().
Den här övningen är en del av kursen
Introduktion till linjär modellering i Python
Övningsinstruktioner
- Granska diagrammet ovan och gör preliminära uppskattningar av
trial_slopeochtrial_intercept. Dessa kan justeras senare i övningen. - Använd den fördefinierade funktionen
xm, ym = model(intercept, slope)för att generera modellprediktioner. - Använd den tillhandahållna funktionen
fig = plot_data_and_model(xd, yd, xm, ym)för att rita upp de uppmätta datan(xd, yd)och modellpreditkionerna(xm, ym)tillsammans. - Om modellen inte passar datan, prova andra värden för
trial_slopeochtrial_interceptoch kör om koden. - Upprepa tills du är nöjd med dina värden, tilldela dem sedan till
final_slopeochfinal_interceptoch skicka in ditt svar.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# 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 = ____