Kom igångKom igång gratis

RMSE steg för steg

I den här övningen ska du kvantifiera den övergripande modellkvaliteten hos en färdigbyggd modell. Det gör du genom att beräkna ett av de vanligaste måtten på modellkvalitet – RMSE – steg för steg.

Börja med de förinstallerade datamängderna x_data och y_data, och använd dem tillsammans med den fördefinierade modellfunktionen model_fit_and_predict().

Den här övningen är en del av kursen

Introduktion till linjär modellering i Python

Visa kurs

Övningsinstruktioner

  • Beräkna y_model-värdena med model_fit_and_predict(x_data, y_data).
  • Beräkna residuals som differensen mellan y_model och y_data.
  • Använd np.sum() och np.square() för att beräkna RSS, och dela sedan med len(residuals) för att få MSE.
  • Ta np.sqrt() av MSE för att få RMSE, och skriv ut alla resultat.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# 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))
Redigera och kör kod