用可视化估计斜率与截距
构建线性模型是一种自动化的方法，本质上是在用数据可视化加大量试错所做的"手动"工作。可视化方法并不是最高效或最精确的，但它能很好地帮助理解概念，所以让我们来试一试！
给定一些测量数据，您的目标是猜测斜率和截距的取值，将它们传入模型，并反复调整，直到模型能够拟合数据。使用提供的数据 xd, yd，以及提供的函数 model() 生成模型预测。使用提供的 plot_data_and_model() 比较预测与数据。
本练习是课程的一部分
Python 线性建模入门
练习说明
- 先查看上方图表，给出
trial_slope和trial_intercept的初步估计。您可以在练习中再做调整。 - 使用预定义函数
xm, ym = model(intercept, slope)生成模型预测。 - 使用提供的函数
fig = plot_data_and_model(xd, yd, xm, ym)将测量数据(xd, yd)与模型预测(xm, ym)一并绘制。 - 如果模型不够贴合数据，请尝试不同的
trial_slope和trial_intercept值并重新运行代码。 - 重复上述步骤，直到您认为参数最佳。然后将它们赋给
final_slope和final_intercept，并 "提交答案"。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# 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 = ____