Aplicar la red a muchas observaciones/filas de datos

Ahora vas a definir una función llamada predict_with_network() que generará predicciones para múltiples observaciones de datos, precargadas como input_data. Como antes, weights también está precargado. Además, la función relu() que definiste en el ejercicio anterior ya está disponible.

Este ejercicio forma parte del curso

Introducción al Deep Learning en Python

Ver curso

Instrucciones del ejercicio

Define una función llamada predict_with_network() que acepte dos argumentos —input_data_row y weights— y devuelva una predicción de la red como salida.
Calcula los valores de entrada y salida para 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 los arrays 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 de la misma forma que calculaste los valores de entrada y salida de los nodos.
Usa un bucle for para iterar sobre input_data:
- Usa tu predict_with_network() para generar predicciones para cada fila de input_data —input_data_row. Añade cada predicción a results.

Ejercicio interactivo práctico

Prueba este ejercicio y completa el 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)

Editar y ejecutar código