การลดค่าส่วนเหลือ (Residuals)
ในแบบฝึกหัดนี้ คุณจะเติมโค้ดในฟังก์ชันที่ใช้เปรียบเทียบโมเดลกับข้อมูลในเชิงภาพ รวมถึงคำนวณและแสดงค่า RSS จากนั้นจะเรียกใช้ฟังก์ชันนี้หลายครั้งเพื่อดูว่า RSS เปลี่ยนแปลงอย่างไรเมื่อปรับค่า a0 และ a1 ซึ่งจะช่วยยืนยันว่าค่าพารามิเตอร์ที่หาได้ก่อนหน้านี้คือค่าที่ทำให้ RSS ต่ำที่สุด
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
Introduction to Linear Modeling in Python
คำแนะนำการฝึกหัด
- เติมการเรียกใช้
model()โดยส่งข้อมูลxdและพารามิเตอร์a0กับa1เข้าไป - คำนวณ
rssจากผลรวมของกำลังสองของresiduals - ลองใช้
compute_rss_and_plot_fit()กับค่าa0และa1ต่าง ๆ เพื่อดูว่า RSS เปลี่ยนแปลงอย่างไร - ตรวจสอบให้แน่ใจว่าค่าเดิม
a0=150และa1=25ทำให้ RSS ต่ำที่สุด แล้วส่งคำตอบด้วยค่าเหล่านี้
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
# Complete function to load data, build model, compute RSS, and plot
def compute_rss_and_plot_fit(a0, a1):
xd, yd = load_data()
ym = model(xd, ____, ____)
residuals = ym - yd
rss = np.sum(np.square(____))
summary = "Parameters a0={}, a1={} yield RSS={:0.2f}".format(____, ____, rss)
fig = plot_data_with_model(xd, yd, ym, summary)
return rss, summary
# Chose model parameter values and pass them into RSS function
rss, summary = compute_rss_and_plot_fit(a0=____, a1=____)
print(summary)