Олимпиадный тренинг

Задача . Задача 3. Предсказываем


Задача

Темы:
Теперь у вас есть своя собственная функция линейной регрессии. Давайте разберем, как ее использовать для предсказаний и оценки ошибки.
 
Задача
1) Напишите функцию predict(t, k, b), которая делает предсказания с помощью вашей модели.
Параметры функции:
t - новая температура, для которой хотим выполнить предсказание
k, b - параметры модели

Функция должна по вычисленным значениям k и b предсказать количество проданного мороженного для исходного набора данных X.
Функцию my_linear_regression() писать уже не нужно. Напишите только реализацию функции predict(t, k, b).

2) Выведите предсказанные значения в следующем формате:
температура: реальное_значение предсказанное_значение (только целая часть предсказанного значения)
Строки должны выводится в порядке следования температур также как в исодном наборе данных.

3) Для оценки построенной модели линейной регрессии, посчитайте и выведите: 
Сумму квадратов всех ошибок


 
Примеры
№Входные данныеВыходные данные
1 9 13 17 23 18
92 132 172 232 182 
9: 92 92
13: 132 132
17: 172 172
23: 232 232
18: 182 182
0

time 1000 ms
memory 256 Mb
Правила оформления программ и список ошибок при автоматической проверке задач

Статистика успешных решений по компиляторам
Комментарий учителя

Ваш ответ

Python
Напишите программу ниже 
import numpy as np
import matplotlib.pyplot as plt
from random import randint

# Ввод данных
X = np.array(list(map(int, input().split())))
y = np.array(list(map(int, input().split())))


# Ваша собственная линейная регрессия  
def my_linear_regression(X, y):
    # реализация данной функции уже написана и скрыта
    # вам ее писать не нужно  


                                		
				

					
                                    
                                    
return k, b  


                                		
				

					
                                    
                                    


                                		
				

					
                                    
                                    
# вычисляем k и b, используя функцию my_linear_regression()
k, b = my_linear_regression(X, y)  


                                		
				

					
                                    
                                    


                                		
				

			

		

             
             

                
	

            


		
          

                           
                            
                 
                             
                          

         
	

      





             
    
                           

	
            
                          

                
        






      

        
                      
              
    

            

                
            

            
                       

	
                        

                          
                         
Загруженные файлы

                            


                                

		

			

				Нет