เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

ผลรวมกำลังสองของค่าคลาดเคลื่อน (Residual Sum of Squares)

ในแบบฝึกหัดก่อนหน้า เราพบว่าความสูงตามเส้นทางเดินป่าสามารถประมาณได้ด้วยโมเดลเชิงเส้น และได้แนะนำแนวคิดเรื่อง ความแตกต่าง ระหว่างโมเดลกับข้อมูล ในฐานะ ตัววัดความเหมาะสมของโมเดล

ในแบบฝึกหัดนี้ จะได้ทำงานกับข้อมูลที่วัดได้ชุดเดิม และวัดความเหมาะสมของโมเดลโดยการคำนวณผลรวมของกำลังสองของ "ความแตกต่าง" เหล่านั้น ซึ่งเรียกอีกชื่อหนึ่งว่า "ค่าคลาดเคลื่อน (residuals)"

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Introduction to Linear Modeling in Python

ดูคอร์ส

คำแนะนำการฝึกหัด

  • โหลด x_data และ y_data โดยใช้ฟังก์ชัน load_data() ที่กำหนดไว้แล้ว
  • เรียกใช้ฟังก์ชัน model() ที่กำหนดไว้แล้ว โดยส่ง x_data และค่า a0, a1 ที่ระบุเข้าไป
  • คำนวณค่าคลาดเคลื่อนเป็น y_data - y_model จากนั้นหาค่า rss โดยใช้ np.square() และ np.sum()
  • แสดงค่าผลลัพธ์ของ rss

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# 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(____))
แก้ไขและรันโค้ด