模型参数

现在您已经构建了一个通用模型，接下来让我们将其"优化"或"拟合"到一个新的（已预加载的）实测数据集 xd, yd。方法是找到模型参数 a0, a1 的具体取值，使得模型生成的数据与实测数据在图中对齐。

这是一个迭代的可视化策略。我们从参数的一个猜测开始，把它们传入 model()，将得到的模型数据叠加绘制在实测数据之上，并通过目视检查直线是否穿过这些点。如果没有，就更改模型参数再试一次。

本练习是课程的一部分

Python 线性建模入门

查看课程

练习说明

完成函数 plot_data_and_model(xd, yd, ym)，在内部绘图调用中分别传入 xd, yd 和 xd, ym。
使用 ym = model() 计算模型预测，传入数据 xd 以及猜测的模型参数 a0 和 a1。
- 查看上面提供的数据，并以此为依据给出前两次估计。在查看直线与数据的贴合程度后，您可以回过头来修正这些估计。
使用 plot_data_and_model() 将 xd、yd 和 ym 一起绘制出来。
调整 a0 和 a1 的取值，重复前两步，直到直线通过所有点为止。

交互式实操练习

通过完成这段示例代码来试试这个练习。

# Complete the plotting function definition
def plot_data_with_model(xd, yd, ym):
    fig = plot_data(____, ____)  # plot measured data
    fig.axes[0].plot(____, ____, color='red')  # over-plot modeled data
    plt.show()
    return fig

# Select new model parameters a0, a1, and generate modeled `ym` from them.
a0 = ____
a1 = ____
ym = model(xd, a0, a1)

# Plot the resulting model to see whether it fits the data
fig = plot_data_with_model(xd, yd, ____)

编辑并运行代码