逐步计算 RMSE

在本练习中，您将通过逐步计算 RMSE，这一最常用的模型质量定量指标之一，来量化一个预构建模型的整体"拟合优度"。

从预加载的数据 x_data 和 y_data 出发，并结合预定义建模函数 model_fit_and_predict() 使用。

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

使用 model_fit_and_predict(x_data, y_data) 计算 y_model。
将 residuals 计算为 y_model 与 y_data 的差。
使用 np.sum() 和 np.square() 计算 RSS，并除以 len(residuals) 得到 MSE。
对 MSE 调用 np.sqrt() 得到 RMSE，并打印所有结果。

交互式实操练习

通过完成这段示例代码来试试这个练习。

# Build the model and compute the residuals "model - data"
y_model = model_fit_and_predict(x_data, y_data)
residuals = ____ - ____

# Compute the RSS, MSE, and RMSE and print the results
RSS = np.____(np.____(residuals))
MSE = ____/len(residuals)
RMSE = np.____(____)
print('RMSE = {:0.2f}, MSE = {:0.2f}, RSS = {:0.2f}'.format(RMSE, MSE, RSS))

编辑并运行代码