残差平方和
在之前的练习中，我们看到徒步小径的海拔大致可以用线性模型拟合，并引入了模型与数据之间的差值这一概念，作为模型优劣的度量。
本练习中，您将继续使用相同的测量数据，并通过计算这些"差值"（也称为"残差"）的平方之和，来量化模型对数据的拟合程度。
本练习是课程的一部分
Python 线性建模入门
练习说明
- 使用预定义的
load_data()函数加载x_data、y_data。 - 调用预定义的
model()，传入x_data以及给定的参数值a0、a1。 - 计算残差
y_data - y_model，然后使用np.square()和np.sum()得到rss。 - 打印计算得到的
rss值。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Load the data
x_data, y_data = load_data()
# Model the data with specified values for parameters a0, a1
y_model = model(____, a0=150, a1=25)
# Compute the RSS value for this parameterization of the model
rss = np.sum(np.square(____ - ____))
print("RSS = {}".format(____))