Residuen
Teil des Abschnitts Statistik für ML der Machine Learning-Journey von Coddy. Lektion 35 von 64.
In diesem Kapitel wird eine Trendlinie durch Daten gelegt, mit ihr werden Vorhersagen getroffen und sie wird bewertet. Hier führt das hin:
Wie gut ist eine Gerade? Ein Rasenpflegedienst schätzt 4.5 * area + 5 Minuten pro Auftrag. Jeder rote Abstand ist ein Residuum: Istwert minus vorhergesagter Wert.
Quadriere sie und addiere sie, um die Gerade zu bewerten:
area = np.array([4, 6, 9, 12, 15])
minutes = np.array([29, 27, 49, 52, 76])
residuals = minutes - (4.5 * area + 5)
print(residuals)
print((residuals ** 2).sum())Dies gibt Folgendes aus:
[ 6. -5. 3.5 -7. 3.5]
134.5Quadrate verhindern, dass sich +6 und -6 gegenseitig aufheben. Je kleiner diese Summe der quadrierten Residuen ist, desto besser ist die Gerade. Ein Modell lernt, indem es sie verkleinert.
Aufgabe
MittelEin Umzugsunternehmen schätzt anhand der Anzahl der Kartons, wie lange ein Umzug dauert. boxes und hours enthalten acht vergangene Umzüge, und das Programm liest zwei geschätzte Geraden ein: slope1, intercept1, dann slope2, intercept2.
- Bewerte jede Gerade anhand der Summe ihrer quadrierten Residuen.
- Gib beide Summen, auf 2 Dezimalstellen gerundet, und die bessere Gerade wie unten aus.
Für die Geraden 0.16 * boxes + 0.8 und 0.12 * boxes + 2.5:
Line 1 SSR: 0.57
Line 2 SSR: 4.1
Better: line 1Probier es selbst
import numpy as np
boxes = np.array([10, 18, 25, 32, 40, 47, 55, 60])
hours = np.array([2.5, 3.5, 5.0, 5.5, 7.0, 8.0, 9.5, 10.0])
slope1 = float(input())
intercept1 = float(input())
slope2 = float(input())
intercept2 = float(input())
# Schreibe deinen Code unten
Teste dich selbstDiese Lektion enthält ein kurzes Quiz. Starte die Lektion, um es zu beantworten und deinen Fortschritt zu speichern.
Alle Lektionen in Statistik für ML
1Lage und Streuung
Mittelwert und MedianPerzentile und QuartileVarianz und StandardabweichungStichprobe oder Grundgesamtheit?Der häufigste WertRückblick: Lieferzeiten4Stichproben und Grundgesamtheiten
Grundgesamtheit und StichprobeStichprobenmittelwerte variierenDie StichprobenverteilungGrößere Stichproben, weniger ZufallRückblick: Eine Stadt befragen2Verteilungen
DichtehistogrammeDatenverteilungenDie NormalverteilungskurveDie 68-95-99,7-RegelZ-WerteRückblick: Akkulaufzeit3Wahrscheinlichkeit durch Simulation
Wahrscheinlichkeit als HäufigkeitDas Gesetz der großen ZahlenAugensummen beim WürfelnErwartungswertBedingte WahrscheinlichkeitRückblick: Gewinnchancen am Würfelstand6Zusammenhänge
Streudiagramme lesenKorrelationKorrelationsmatrixKorrelations-HeatmapsKorrelation ist keine KausalitätRückblick: Eiscreme und SonneÜbe selbstständig: Online-Python-Compiler