Optymalizacja modelu

Wprowadzenie do modelowania liniowego w Pythonie

Jason Vestuto

Data Scientist

Reszty

Rysunek dwupanelowy: górny wykres punktowy poziomu morza w czasie z linią modelu, dolny wykres reszt pokazujący różnicę między danymi a modelem z górnego wykresu

residuals = y_model - y_data
len(residuals) == len(y_data)

True

Suma reszt

Rysunek dwupanelowy: górny wykres punktowy poziomu morza w czasie z linią modelu, dolny wykres reszt pokazujący różnicę między danymi a modelem z górnego wykresu

residuals = y_model - y_data
print(np.sum(residuals))

0.0

Kwadraty reszt

Rysunek dwupanelowy: górny wykres punktowy poziomu morza w czasie z linią słabego modelu o stałej wartości, dolny wykres reszt jako zielone punkty i kwadratów reszt jako niebieskie kwadraty

residuals_squared = np.square(y_model - y_data)

print(np.sum(residuals_squared))

65.1

RSS

Rysunek dwupanelowy: górny wykres punktowy poziomu morza w czasie z linią słabego modelu o stałej wartości, dolny wykres reszt jako zielone punkty i kwadratów reszt jako niebieskie kwadraty

resid_squared = np.square(y_model - y_data)
RSS = np.sum(resid_squared)

RSS

Rysunek dwupanelowy: górny wykres punktowy poziomu morza w czasie z linią lepszego modelu, dolny wykres reszt jako zielone punkty i kwadratów reszt jako niebieskie kwadraty, z o wiele lepszym dopasowaniem

RSS = np.sum(np.square(y_model - y_data))
print(RSS)

5.9

Zmienność RSS

Wykres wartości RSS na osi Y względem nachylenia na osi X, w kształcie paraboli skierowanej ku górze z minimum w okolicy nachylenia=25

Minimalna wartość RSS odpowiada minimalnym resztom
Minimalne reszty wyznaczają najlepszy model

Czas na ćwiczenia!

Wprowadzenie do modelowania liniowego w Pythonie