用視覺估計斜率與截距
建立線性模型，其實是在自動化一件我們也能用資料視覺化加上多次嘗試「手動」完成的事情。這種視覺化的方法不是最有效率或最精準，但很能幫助你理解觀念，所以來試試看吧！
給定一些量測資料，你的目標是先猜測斜率與截距，將它們帶入模型，並調整你的猜測，直到模型能夠貼合資料。使用提供的資料 xd, yd，以及函式 model() 來產生模型預測。再用提供的 plot_data_and_model() 比較預測與資料。
本練習屬於課程
Python 線性建模入門
練習說明
- 先觀察上方的圖表，給出
trial_slope與trial_intercept的初步估計值。之後可以在本練習中再做調整。 - 使用預先定義的函式
xm, ym = model(intercept, slope)產生模型預測。 - 使用提供的函式
fig = plot_data_and_model(xd, yd, xm, ym)，將量測資料(xd, yd)與模型預測(xm, ym)一起畫在圖上。 - 若模型無法貼合資料，嘗試不同的
trial_slope與trial_intercept，然後重新執行程式碼。 - 持續重複直到你覺得參數最佳，最後將它們指定給
final_slope與final_intercept，然後送出你的答案。
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。
# 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 = ____