最小化殘差

在這個練習中，你將完成一個函式，用來視覺化比較模型與資料，並計算與列印 RSS。你會多次呼叫它，觀察當你改變 a0 與 a1 時，RSS 如何變化。我們將看到，先前找到的那組參數值，正是可以「最小化」RSS 的解。

本練習屬於課程

Python 線性建模入門

練習說明

補上對 model() 的呼叫，傳入資料 xd 與模型參數 a0、a1。
將 rss 計算為 residuals 的平方再加總。
針對不同的 a0 與 a1 值，使用 compute_rss_and_plot_fit()，看看 RSS 如何改變。
請確認原本的參數值 a0=150 與 a1=25 可以最小化 RSS，並以這組數值送出答案。

動手互動練習

試著完成這個範例程式碼，體驗一下這個練習。

# Complete function to load data, build model, compute RSS, and plot
def compute_rss_and_plot_fit(a0, a1):
    xd, yd = load_data()
    ym = model(xd, ____, ____)
    residuals = ym - yd
    rss = np.sum(np.square(____))
    summary = "Parameters a0={}, a1={} yield RSS={:0.2f}".format(____, ____, rss)
    fig = plot_data_with_model(xd, yd, ym, summary)
    return rss, summary

# Chose model parameter values and pass them into RSS function
rss, summary = compute_rss_and_plot_fit(a0=____, a1=____)
print(summary)

編輯並執行程式碼