Aplicar la red a muchas observaciones/filas de datos

Ahora definirás una función llamada predict_with_network() que generará predicciones para múltiples observaciones de datos, que se cargan previamente como input_data. Como antes, weights también está precargado. Además, se ha precargado la función relu() que definiste en el ejercicio anterior.

Este ejercicio forma parte del curso

Introducción al Aprendizaje Profundo en Python

Ver curso

Instrucciones de ejercicio

  • Define una función llamada predict_with_network() que acepte dos argumentos - input_data_row y weights - y devuelva como salida una predicción de la red.
  • Calcula los valores de entrada y salida de cada nodo, almacenándolos como: node_0_input, node_0_output, node_1_input, y node_1_output.
    • Para calcular el valor de entrada de un nodo, multiplica las matrices correspondientes y calcula su suma.
    • Para calcular el valor de salida de un nodo, aplica la función relu() al valor de entrada del nodo.
  • Calcula la salida del modelo calculando input_to_final_layer y model_output del mismo modo que calculaste los valores de entrada y salida de los nodos.
  • Utiliza un bucle for para iterar sobre input_data:
    • Utiliza tu predict_with_network() para generar predicciones para cada fila del input_data - input_data_row. Añade cada predicción a results.

Ejercicio interactivo práctico

Pruebe este ejercicio completando este código de muestra.

# Define predict_with_network()
def predict_with_network(input_data_row, weights):

    # Calculate node 0 value
    node_0_input = ____
    node_0_output = ____

    # Calculate node 1 value
    node_1_input = ____
    node_1_output = ____

    # Put node values into array: hidden_layer_outputs
    hidden_layer_outputs = np.array([node_0_output, node_1_output])
    
    # Calculate model output
    input_to_final_layer = ____
    model_output = ____
    
    # Return model output
    return(model_output)

# Create empty list to store prediction results
results = []
for input_data_row in input_data:
    # Append prediction to results
    results.append(____)

# Print results
print(results)