Memprediksi dengan Garis

Termasuk bagian Statistik untuk ML dalam perjalanan Machine Learning di Coddy. Pelajaran 38 dari 64.

Garis yang dicocokkan adalah mesin prediksi sederhana: masukkan x baru, lalu dapatkan y. Seekor anak anjing ditimbang dari minggu ke-8 hingga minggu ke-20:

weeks = np.array([8, 10, 12, 14, 16, 18, 20])
kg = np.array([3.1, 4.0, 5.2, 6.1, 7.0, 8.2, 9.1])
slope, intercept = np.polyfit(weeks, kg, 1)
new_weeks = np.array([15, 52])
print(np.round(slope * new_weeks + intercept, 1))

Ini mencetak [ 6.6 25.2]. Minggu ke-15 berada di dalam data. Minggu ke-52 tidak, dan garisnya terus menanjak jauh setelah anjing itu berhenti tumbuh:

Tujuh penimbangan dari minggu ke-8 hingga ke-20 pada garis yang dipasangkan. Garis tersebut berlanjut sebagai garis putus-putus ke zona berarsir yang ditandai berada di luar data, mencapai 25.2 kg pada minggu ke-52, sementara kurva bertitik milik anjing sungguhan mendatar di dekat 13 kg

Memprediksi di luar rentang data disebut ekstrapolasi dan berisiko: model hanya dapat dipercaya untuk input yang mirip dengan yang digunakan untuk melatihnya. Periksa terlebih dahulu:

week = 52
print(week >= weeks.min() and week <= weeks.max())

Ini mencetak False.

Tantangan

Sedang

Tinggi lilin diukur setiap jam saat lilin terbakar, dari jam 0 hingga jam 6: hours dan height dalam cm. Program membaca new_hours.

Sesuaikan garis yang memprediksi height berdasarkan hours.
Cetak prediksinya untuk new_hours, dibulatkan menjadi 2 angka desimal.
Cetak apakah new_hours berada dalam rentang jam data, termasuk kedua batasnya.

Untuk input 4.5:

Predicted height: 13.07 cm
Inside the data: yes

Coba sendiri

import numpy as np

hours = np.array([0, 1, 2, 3, 4, 5, 6])
height = np.array([20.0, 18.4, 17.1, 15.3, 13.9, 12.2, 10.8])
new_hours = float(input())

# Tulis kodemu di bawah ini

Uji dirimu

Pelajaran ini berisi kuis singkat. Mulai pelajarannya untuk menjawab kuis dan melacak progresmu.

Semua pelajaran di Statistik untuk ML

Latihan sendiri: Compiler Python online