การปรับแต่งโมเดล

Introduction to Linear Modeling in Python

Jason Vestuto

Data Scientist

Residuals

กราฟ 2 พาเนล พาเนลบนแสดง scatter plot ของระดับน้ำทะเลเทียบกับเวลาและเส้นโมเดล พาเนลล่างแสดง residuals ซึ่งคือความต่างระหว่างข้อมูลกับโมเดลในพาเนลบน

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

True

ผลรวมของ Residuals

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

0.0

Residuals ยกกำลังสอง

กราฟ 2 พาเนล พาเนลบนแสดง scatter plot ของระดับน้ำทะเลเทียบกับเวลาและเส้นโมเดลที่ไม่ดี (ค่าคงที่) พาเนลล่างแสดง residuals เป็นจุดสีเขียวและ residuals ยกกำลังสองเป็นสี่เหลี่ยมสีน้ำเงิน

residuals_squared = np.square(y_model - y_data)

print(np.sum(residuals_squared))

65.1

RSS

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

RSS

กราฟ 2 พาเนล พาเนลบนแสดง scatter plot ของระดับน้ำทะเลเทียบกับเวลาและเส้นโมเดลที่ดีขึ้น พาเนลล่างแสดง residuals เป็นจุดสีเขียวและ residuals ยกกำลังสองเป็นสี่เหลี่ยมสีน้ำเงิน แสดงให้เห็นว่าโมเดลพอดีกับข้อมูลมากขึ้น

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

5.9

การเปลี่ยนแปลงของ RSS

กราฟแสดงค่า RSS บนแกน y เทียบกับค่า slope บนแกน x มีรูปร่างเป็นพาราโบลาหงาย โดยมีค่าต่ำสุดใกล้ slope=25

ค่า RSS ที่ต่ำสุดให้ residuals น้อยที่สุด
Residuals น้อยที่สุดหมายถึงโมเดลที่ดีที่สุด

มาฝึกกันเถอะ!

Introduction to Linear Modeling in Python