模型最佳化

Python 線性建模入門

Jason Vestuto

Data Scientist

殘差(Residuals)

雙圖:上圖為海平面對時間的散佈與模型線;下圖為殘差,顯示上圖中資料與模型的差異

 

residuals = y_model - y_data
len(residuals) == len(y_data)
True
Python 線性建模入門

殘差總和

雙圖:上圖為海平面對時間的散佈與模型線;下圖為殘差,顯示上圖中資料與模型的差異

 

residuals = y_model - y_data
print(np.sum(residuals))
0.0
Python 線性建模入門

殘差平方

雙圖:上圖為品質不佳的常數模型與海平面對時間散佈;下圖以綠點標示殘差、藍方塊標示殘差平方

residuals_squared = np.square(y_model - y_data)
print(np.sum(residuals_squared))
65.1
Python 線性建模入門

RSS(殘差平方和)

雙圖:上圖為品質不佳的常數模型與海平面對時間散佈;下圖以綠點標示殘差、藍方塊標示殘差平方

 

resid_squared = np.square(y_model - y_data)
RSS = np.sum(resid_squared)
Python 線性建模入門

RSS(殘差平方和)

雙圖:上圖為較佳模型與海平面對時間散佈;下圖以綠點標示殘差、藍方塊標示殘差平方,配適明顯更好

 

RSS = np.sum(np.square(y_model - y_data))
print(RSS)
5.9
Python 線性建模入門

RSS 的變化

RSS 與斜率:y 軸為 RSS、x 軸為斜率,曲線呈上開拋物線,最低點約在 slope=25

  • RSS 的最小值 → 殘差最小
  • 殘差最小 → 模型最佳
Python 線性建模入門

一起來練習吧!

Python 線性建模入門

Preparing Video For Download...