Uydurma Doğrusunu Çizme

Coddy'nin Machine Learning Journey'sinin Makine Öğrenimi için İstatistik bölümünün bir parçası. Ders 37 / 64.

İki sayı bir uyumu tanımlar; verileri izleyip izlemediğini yalnızca bir grafik gösterir. Bir mutfakta altı su ısıtıcısı kaynatma süresi ölçüldü. Çizgiyi saçılım grafiğiyle aynı ax üzerinde çiz:

liters = np.array([0.5, 0.8, 1.0, 1.2, 1.5, 1.7])
minutes = np.array([1.6, 2.4, 2.7, 3.3, 3.9, 4.5])
slope, intercept = np.polyfit(liters, minutes, 1)
xs = np.linspace(liters.min(), liters.max(), 50)
fig, ax = plt.subplots()
ax.scatter(liters, minutes, label="Boils")
ax.plot(xs, slope * xs + intercept, color="C1", label="Fit")
ax.legend()
plt.show()

xs en küçük x değerinden en büyük x değerine kadar gider, bu nedenle çizgi verilerin başladığı ve bittiği yerde başlar ve biter:

Noktalarla gösterilen altı su ısıtıcısı kaynatma işlemi; kaynatma süresi dakikaları, suyun litre miktarına karşı gösteriliyor; değerler 1.6 dakikadan 4.5 dakikaya yükseliyor ve içlerinden 0.5 litreden 1.7 litreye uzanan turuncu bir uyum çizgisi geçiyor

Bir modelin tahminlerini verileri üzerinde çizmek, anlamlı bir şey öğrenip öğrenmediğini kontrol etmenin en hızlı yoludur. Noktaları ıskalayan bir çizgi, bozuk bir uyum anlamına gelir.

Görev

Orta

Bir bina yöneticisi 12 asansör yolculuğunun süresini ölçtü: gidilen floors ve geçen seconds. Başlangıç kodu, başlığı ve etiketleri ayarlanmış grafiği hazırlar.

floors değerlerinden seconds değerlerini tahmin eden doğruyu uydurun.
Yolculukları Rides etiketiyle bir dağılım grafiğinde, doğruyu da Fit etiketiyle en az kattan en çok kata doğru çizin.
Bir gösterge ekleyin ve grafiği görüntüleyin.

Hiçbir şey yazdırmaz; Coddy grafiğinizi açıklar. Başka bir binanın grafiği şöyle görünür:

Başlığı Elevator Rides olan bir grafik: 2 katta 14 saniyeden 20 katta 51 saniyeye yükselen sekiz nokta, ilk noktanın katından son noktanın katına uzanan uydurulmuş bir doğru ve Rides ile Fit adlarını taşıyan bir gösterge

Kendin dene

import numpy as np
import matplotlib.pyplot as plt

floors = np.array([3, 7, 1, 12, 5, 9, 15, 2, 10, 6, 13, 8])
seconds = np.array([15.3, 27.0, 12.4, 36.0, 19.5, 28.8, 44.9, 12.7, 33.2, 19.4, 41.7, 27.0])
# Aşağıdaki satırları değiştirmeyin
fig, ax = plt.subplots()
ax.set_title("Elevator Rides")
ax.set_xlabel("Floors")
ax.set_ylabel("Seconds")

# Kodunuzu aşağıya yazın