เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

การลดค่าส่วนเหลือ (Residuals)

ในแบบฝึกหัดนี้ คุณจะเติมโค้ดในฟังก์ชันที่ใช้เปรียบเทียบโมเดลกับข้อมูลในเชิงภาพ รวมถึงคำนวณและแสดงค่า RSS จากนั้นจะเรียกใช้ฟังก์ชันนี้หลายครั้งเพื่อดูว่า RSS เปลี่ยนแปลงอย่างไรเมื่อปรับค่า a0 และ a1 ซึ่งจะช่วยยืนยันว่าค่าพารามิเตอร์ที่หาได้ก่อนหน้านี้คือค่าที่ทำให้ RSS ต่ำที่สุด

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Introduction to Linear Modeling in Python

ดูคอร์ส

คำแนะนำการฝึกหัด

  • เติมการเรียกใช้ model() โดยส่งข้อมูล xd และพารามิเตอร์ a0 กับ a1 เข้าไป
  • คำนวณ rss จากผลรวมของกำลังสองของ residuals
  • ลองใช้ compute_rss_and_plot_fit() กับค่า a0 และ a1 ต่าง ๆ เพื่อดูว่า RSS เปลี่ยนแปลงอย่างไร
  • ตรวจสอบให้แน่ใจว่าค่าเดิม a0=150 และ a1=25 ทำให้ 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)
แก้ไขและรันโค้ด