RMSE ทีละขั้นตอน

ในแบบฝึกหัดนี้ จะวัดความเหมาะสมของโมเดลโดยรวม (goodness-of-fit) จากโมเดลที่สร้างไว้ล่วงหน้า ด้วยการคำนวณ RMSE ซึ่งเป็นหนึ่งในตัววัดคุณภาพโมเดลที่ใช้กันแพร่หลายที่สุด โดยทำทีละขั้นตอน

เริ่มต้นจากข้อมูล x_data และ y_data ที่โหลดไว้ล่วงหน้า แล้วนำไปใช้กับฟังก์ชัน model_fit_and_predict() ที่กำหนดไว้แล้ว

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Introduction to Linear Modeling in Python

ดูคอร์ส

คำแนะนำการฝึกหัด

คำนวณค่า y_model จาก model_fit_and_predict(x_data, y_data)
คำนวณ residuals จากผลต่างระหว่าง y_model กับ y_data
ใช้ np.sum() และ np.square() เพื่อคำนวณ RSS จากนั้นหารด้วย len(residuals) เพื่อให้ได้ MSE
นำ np.sqrt() มาใช้กับ MSE เพื่อให้ได้ RMSE แล้วแสดงผลลัพธ์ทั้งหมด

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Build the model and compute the residuals "model - data"
y_model = model_fit_and_predict(x_data, y_data)
residuals = ____ - ____

# Compute the RSS, MSE, and RMSE and print the results
RSS = np.____(np.____(residuals))
MSE = ____/len(residuals)
RMSE = np.____(____)
print('RMSE = {:0.2f}, MSE = {:0.2f}, RSS = {:0.2f}'.format(RMSE, MSE, RSS))

แก้ไขและรันโค้ด