Přechod na více datových bodů

Viděl/a jsi, jak různé váhy vedou k různé přesnosti u jedné predikce. Ve většině případů ale chceš měřit přesnost modelu na více bodech najednou. Teď napíšeš kód, který porovná přesnost modelu pro dva různé sady vah uložené jako weights_0 a weights_1.

input_data je seznam polí. Každá položka tohoto seznamu obsahuje data potřebná k vytvoření jedné predikce. target_actuals je seznam čísel. Každá položka tohoto seznamu je skutečná hodnota, kterou se model snaží předpovědět.

V tomto cvičení použiješ funkci mean_squared_error() z knihovny sklearn.metrics. Ta přijímá skutečné hodnoty a predikované hodnoty jako argumenty.

Budeš také pracovat s předem načtenou funkcí predict_with_network(), která přijímá pole dat jako první argument a váhy jako druhý argument.

Toto cvičení je součástí kurzu

Úvod do deep learningu v Pythonu

Zobrazit kurz

Pokyny k cvičení

Importuj mean_squared_error z sklearn.metrics.
Pomocí smyčky for projdi každý řádek input_data:
- Pro každý řádek vytvoř predikci s weights_0 pomocí funkce predict_with_network() a přidej ji do model_output_0.
- To samé proveď pro weights_1 a predikce přidávej do model_output_1.
Vypočítej střední kvadratickou chybu pro model_output_0 a poté pro model_output_1 pomocí funkce mean_squared_error(). Prvním argumentem by měly být skutečné hodnoty (target_actuals), druhým pak predikované hodnoty (model_output_0 nebo model_output_1).

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

from sklearn.metrics import mean_squared_error

# Create model_output_0 
model_output_0 = []
# Create model_output_1
model_output_1 = []

# Loop over input_data
for row in input_data:
    # Append prediction to model_output_0
    model_output_0.append(____)
    
    # Append prediction to model_output_1
    model_output_1.append(____)

# Calculate the mean squared error for model_output_0: mse_0
mse_0 = ____

# Calculate the mean squared error for model_output_1: mse_1
mse_1 = ____

# Print mse_0 and mse_1
print("Mean squared error with weights_0: %f" %mse_0)
print("Mean squared error with weights_1: %f" %mse_1)

Upravit a spustit kód