การประมาณค่าความชันและจุดตัดแกนด้วยการมองภาพ
การสร้างโมเดลเชิงเส้นเป็นวิธีอัตโนมัติที่ช่วยให้เราทำสิ่งที่สามารถทำได้ "ด้วยมือ" ผ่านการแสดงผลข้อมูลและการลองผิดลองถูก วิธีนี้อาจไม่ใช่วิธีที่มีประสิทธิภาพหรือแม่นยำที่สุด แต่ ช่วยให้เข้าใจแนวคิดได้เป็นอย่างดี ลองมาทดลองกันดู!
จากข้อมูลที่วัดได้ จงเดาค่าความชันและจุดตัดแกน แล้วส่งเข้าโมเดล จากนั้นปรับค่าจนกว่าโมเดลจะพอดีกับข้อมูล ใช้ข้อมูล xd, yd และฟังก์ชัน model() ที่เตรียมไว้ให้เพื่อสร้างค่าพยากรณ์ จากนั้นเปรียบเทียบค่าพยากรณ์กับข้อมูลจริงด้วยฟังก์ชัน plot_data_and_model()
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
Introduction to Linear Modeling in Python
คำแนะนำการฝึกหัด
- ดูกราฟด้านบน แล้วประมาณค่าเบื้องต้นสำหรับ
trial_slopeและtrial_interceptโดยสามารถปรับแก้ได้ภายหลัง - ใช้ฟังก์ชันที่กำหนดไว้
xm, ym = model(intercept, slope)เพื่อสร้างค่าพยากรณ์จากโมเดล - ใช้ฟังก์ชัน
fig = plot_data_and_model(xd, yd, xm, ym)เพื่อพล็อตข้อมูลที่วัดได้(xd, yd)และค่าพยากรณ์(xm, ym)ไว้ในกราฟเดียวกัน - หากโมเดลยังไม่พอดีกับข้อมูล ให้ลองปรับค่า
trial_slopeและtrial_interceptแล้วรันโค้ดใหม่ - ทำซ้ำจนได้ค่าที่ดีที่สุด จากนั้นกำหนดค่าเหล่านั้นให้กับ
final_slopeและfinal_interceptแล้วส่งคำตอบ
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
# Look at the plot data and guess initial trial values
trial_slope = ____
trial_intercept = ____
# input thoses guesses into the model function to compute the model values.
xm, ym = ____(trial_intercept, trial_slope)
# Compare your your model to the data with the plot function
fig = ____(xd, yd, xm, ym)
plt.show()
# Repeat the steps above until your slope and intercept guess makes the model line up with the data.
final_slope = ____
final_intercept = ____