Steigungen berechnen

Nun übst du die Berechnung von Steigungen. Wenn du die Funktion der mittleren quadratischen Abweichung gegen die Vorhersagen darstellst, lautet die Steigung 2 * x * (xb-y) bzw. 2 * input_data * error. Beachte, dass x und b mehrere Zahlen enthalten können (x ist ein Vektor für jeden Datenpunkt und b ist ein Vektor). In diesem Fall ist die Ausgabe ebenfalls ein Vektor – genau das, was du willst.

Du bist bereit, den Code zu schreiben, um diese Steigung mit einem einzelnen Datenpunkt zu berechnen. Du verwendest vordefinierte Gewichte namens weights sowie Daten für einen einzelnen Punkt namens input_data. Der tatsächliche Zielwert, den du vorhersagen möchtest, ist 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 deren Summe bildest.
Berechne den Fehler (error), also preds minus target. Beachte, dass dieser Fehler xb-y im Gradienten-Ausdruck entspricht.
Berechne die Steigung der Verlustfunktion in Bezug auf die Vorhersage. Dazu musst du das Produkt aus input_data und error bilden 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