Začněte nyníZačněte zdarma

Předpovědi pomocí maticového násobení

V dalších kapitolách se naučíš trénovat modely lineární regrese. Výsledkem tohoto procesu bude vektor parametrů, který lze vynásobit vstupními daty a získat tak předpovědi. V tomto cvičení použiješ vstupní data features a cílový vektor bill, které pocházejí z datové sady kreditních karet, se kterou budeme pracovat později v kurzu.

\(features = \begin{bmatrix} 2 & 24 \\ 2 & 26 \\ 2 & 57 \\ 1 & 37 \end{bmatrix}\), \(bill = \begin{bmatrix} 3913 \\ 2682 \\ 8617 \\ 64400 \end{bmatrix}\), \(params = \begin{bmatrix} 1000 \\ 150 \end{bmatrix}\)

Matice vstupních dat features obsahuje dva sloupce: úroveň vzdělání a věk. Cílový vektor bill představuje výši účtu držitele kreditní karty.

Protože model ještě není natrénovaný, zadáš vlastní odhad hodnot vektoru parametrů params. Pak pomocí matmul() provedeš maticové násobení features hodnotami params a získáš předpovědi billpred, které porovnáš s vektorem bill. Funkce matmul() a constant() jsou již naimportovány.

Toto cvičení je součástí kurzu

Úvod do TensorFlow v Pythonu

Zobrazit kurz

Pokyny k cvičení

  • Definuj features, params a bill jako konstanty.
  • Vypočítej vektor předpovězených hodnot billpred tak, že vstupní data features vynásobíš parametry params. Použij maticové násobení, nikoli násobení po jednotlivých prvcích.
  • Definuj error jako rozdíl cílových hodnot bill a předpovězených hodnot billpred.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Define features, params, and bill as constants
features = ____([[2, 24], [2, 26], [2, 57], [1, 37]])
params = ____([[1000], [150]])
bill = ____([[3913], [2682], [8617], [64400]])

# Compute billpred using features and params
billpred = ____

# Compute and print the error
error = ____ - ____
print(error.numpy())
Upravit a spustit kód