พารามิเตอร์ของโมเดล
เมื่อสร้างโมเดลแบบทั่วไปแล้ว มาลอง "ปรับให้เหมาะสม" หรือ "ฟิต" โมเดลนั้นกับชุดข้อมูลที่วัดจริงชุดใหม่ (โหลดไว้ให้แล้ว) xd, yd โดยหาค่าเฉพาะของพารามิเตอร์ a0, a1 ที่ทำให้ข้อมูลจากโมเดลและข้อมูลที่วัดจริงเรียงกันบนกราฟ
นี่คือกลยุทธ์การแสดงผลแบบวนซ้ำ โดยเริ่มจากการเดาค่าพารามิเตอร์ของโมเดล ส่งเข้า model() แล้วพล็อตข้อมูลจากโมเดลทับบนข้อมูลที่วัดจริง จากนั้นตรวจสอบด้วยสายตาว่าเส้นผ่านจุดข้อมูลหรือไม่ ถ้าไม่ผ่าน ให้ปรับค่าพารามิเตอร์แล้วลองใหม่

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
Introduction to Linear Modeling in Python
คำแนะนำการฝึกหัด
- เติมโค้ดในฟังก์ชัน
plot_data_and_model(xd, yd, ym)โดยส่งxd, ydและxd, ymเข้าไปในคำสั่งพล็อตภายใน - คำนวณค่าพยากรณ์จากโมเดลด้วย
ym = model()โดยส่งทั้งข้อมูลxdและพารามิเตอร์ที่เดาไว้a0และa1เข้าไป- ตรวจสอบข้อมูลที่ให้มาข้างต้น แล้วใช้เป็นแนวทางในการประมาณค่าครั้งแรก สามารถกลับมาปรับค่าได้หลังจากดูว่าเส้นพอดีกับข้อมูลแค่ไหน
- ใช้
plot_data_and_model()เพื่อพล็อตxd,ydและymร่วมกัน - ปรับค่า
a0และa1แล้วทำซ้ำ 2 ขั้นตอนก่อนหน้าจนกว่าเส้นจะผ่านจุดข้อมูลทุกจุด
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
# Complete the plotting function definition
def plot_data_with_model(xd, yd, ym):
fig = plot_data(____, ____) # plot measured data
fig.axes[0].plot(____, ____, color='red') # over-plot modeled data
plt.show()
return fig
# Select new model parameters a0, a1, and generate modeled `ym` from them.
a0 = ____
a1 = ____
ym = model(xd, a0, a1)
# Plot the resulting model to see whether it fits the data
fig = plot_data_with_model(xd, yd, ____)