Neigungen berechnen

Jetzt übst du das Berechnen von Steigungen. Wenn du die quadratische Fehlerfunktion gegen die Vorhersagen aufzeichnest, ist die Steigung „ 2 * x * (xb-y) “ oder „ 2 * input_data * error “. Beachte, dass „ x “ und „ b “ mehrere Zahlen haben können (x ist ein Vektor für jeden Datenpunkt und b ist ein Vektor). In diesem Fall ist das Ergebnis auch ein Vektor, was genau das ist, was du willst.

Du bist jetzt bereit, den Code zu schreiben, um diese Steigung mit nur einem Datenpunkt zu berechnen. Du wirst vordefinierte Gewichte namens „ weights “ sowie Daten für einen einzelnen Punkt namens „ input_data “ verwenden. Der tatsächliche Wert des Ziels, den du vorhersagen möchtest, wird in „ target “ gespeichert.

Diese Übung ist Teil des Kurses

Einführung in Deep Learning mit Python

Kurs anzeigen

Anleitung zur Übung

Berechne die Vorhersagen „ preds “, indem du „ weights “ mit „ input_data “ multiplizierst und dann die Summe bildest.
Berechne den Fehler, der sich aus „ preds “ minus „ target “ ergibt. Beachte, dass dieser Fehler dem Fehler „ xb-y ” im Gradientenausdruck entspricht.
Berechne die Steigung der Verlustfunktion in Bezug auf die Vorhersage. Dazu musst du das Produkt aus input_data und error nehmen und mit 2 multiplizieren.

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# Calculate the predictions: preds
preds = ____

# Calculate the error: error
error = ____ - ____

# Calculate the slope: slope
slope = ____ * ____ * ____

# Print the slope
print(slope)

Code bearbeiten und ausführen