RMSE từng bước
Trong bài tập này, bạn sẽ định lượng mức độ "phù hợp tổng thể" (goodness-of-fit) của một mô hình đã dựng sẵn bằng cách tính RMSE — một thước đo định lượng rất phổ biến về chất lượng mô hình — theo từng bước.
Bắt đầu với dữ liệu đã nạp sẵn x_data và y_data, và dùng chúng với hàm mô hình hóa đã định nghĩa model_fit_and_predict().
Bài tập này là một phần của khóa học
Nhập môn Mô hình tuyến tính với Python
Hướng dẫn bài tập
- Tính
y_modeltừmodel_fit_and_predict(x_data, y_data). - Tính
residualsbằng hiệu giữay_modelvày_data. - Dùng
np.sum()vànp.square()để tínhRSS, và chia cholen(residuals)để nhậnMSE. - Lấy
np.sqrt()củaMSEđể raRMSE, và in tất cả kết quả.
Bài tập tương tác thực hành trực tiếp
Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.
# 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))