Bir Doğruyla Tahmin Yapma

Coddy'nin Machine Learning Journey'sinin Makine Öğrenimi için İstatistik bölümünün bir parçası. Ders 38 / 64.

Uydurulmuş bir doğru, küçük bir tahmin makinesidir: yeni bir x gir, bir y al. Bir yavru köpek 8. haftadan 20. haftaya kadar tartıldı:

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))

Bu, [ 6.6 25.2] çıktısını verir. 15. hafta verilerin içindedir. 52. hafta ise değildir ve köpek büyümeyi bıraktıktan çok sonra bile çizgi yükselmeye devam eder:

Uydurulmuş bir çizgi üzerinde 8. haftadan 20. haftaya kadar yedi tartım. Çizgi, verilerin dışında olarak işaretlenmiş gölgeli bir bölgeye kesikli şekilde devam eder ve 52. haftada 25.2 kg değerine ulaşırken, gerçek bir köpeğin noktalı eğrisi yaklaşık 13 kg civarında yataylaşır

Veri aralığının dışını tahmin etmek ekstrapolasyon olarak adlandırılır ve risklidir: bir model yalnızca öğrendiği verilere benzer girdilerde güvenilirdir. Önce kontrol et:

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

Bu, False değerini yazdırır.

Görev

Orta

Bir mum, yanarken 0. saatten 6. saate kadar her saat ölçüldü: cm cinsinden hours ve height. Program new_hours değerini okur.

hours değerinden height değerini tahmin eden doğruyu uydurun.
new_hours için tahminini 2 ondalık basamağa yuvarlayarak yazdırın.
new_hours değerinin, her iki uç da dâhil olmak üzere, verilerdeki saat aralığında olup olmadığını yazdırın.

4.5 girdisi için:

Predicted height: 13.07 cm
Inside the data: yes

Kendin dene

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())

# Kodunuzu aşağıya yazın