ПочатиПочніть безкоштовно

RMSE крок за кроком

У цій вправі ви кількісно оціните загальну «якість припасування» попередньо збудованої моделі, обчисливши один із найпоширеніших кількісних показників якості моделі — RMSE — крок за кроком.

Почніть із попередньо завантажених даних x_data та y_data і використайте їх із заздалегідь визначеною функцією моделювання model_fit_and_predict().

Ця вправа є частиною курсу

Вступ до лінійного моделювання в Python

Переглянути курс

Інструкції до вправи

  • Обчисліть значення y_model за допомогою model_fit_and_predict(x_data, y_data).
  • Обчисліть residuals як різницю між y_model і y_data.
  • Використайте np.sum() і np.square() для обчислення RSS, а потім поділіть на len(residuals), щоб отримати MSE.
  • Застосуйте np.sqrt() до MSE, щоб отримати RMSE, і виведіть усі результати.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# 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))
Редагувати та запускати код