เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

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

ดูคอร์ส

คำแนะนำการฝึกหัด

  • เติมโค้ดในฟังก์ชัน plot_data_and_model(xd, yd, ym) โดยส่ง xd, yd และ xd, ym เข้าไปในคำสั่งพล็อตภายใน
  • คำนวณค่าพยากรณ์จากโมเดลด้วย ym = model() โดยส่งทั้งข้อมูล xd และพารามิเตอร์ที่เดาไว้ a0 และ a1 เข้าไป
    • ตรวจสอบข้อมูลที่ให้มาข้างต้น แล้วใช้เป็นแนวทางในการประมาณค่าครั้งแรก สามารถกลับมาปรับค่าได้หลังจากดูว่าเส้นพอดีกับข้อมูลแค่ไหน
  • ใช้ plot_data_and_model() เพื่อพล็อต xd, yd และ ym ร่วมกัน
  • ปรับค่า a0 และ a1 แล้วทำซ้ำ 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, ____)
แก้ไขและรันโค้ด