Mejorar las ponderaciones del modelo
¡Hurra! Acabas de calcular las pendientes que necesitas. Ahora es el momento de utilizar esas pendientes para mejorar tu modelo. Si añades las pendientes a tus pesas, avanzarás en la dirección correcta. Sin embargo, es posible ir demasiado lejos en esa dirección. Así que primero querrás dar un pequeño paso en esa dirección, utilizando una tasa de aprendizaje más baja, y comprobar que el modelo mejora.
Los pesos se han precargado como weights, el valor real del objetivo como target, y los datos de entrada como input_data. Las predicciones de los pesos iniciales se almacenan como preds.
Este ejercicio forma parte del curso
Introducción al Aprendizaje Profundo en Python
Instrucciones de ejercicio
- Establece la tasa de aprendizaje en
0.01y calcula el error de las predicciones originales. Esto se ha hecho por ti. - Calcula los pesos actualizados restando el producto de
learning_rateyslopedeweights. - Calcula las predicciones actualizadas multiplicando
weights_updatedporinput_datay calculando su suma. - Calcula el error de las nuevas predicciones. Guarda el resultado como
error_updated. - Pulsa "Enviar respuesta" para comparar el error actualizado con el original.
Ejercicio interactivo práctico
Pruebe este ejercicio completando este código de muestra.
# Set the learning rate: learning_rate
learning_rate = 0.01
# Calculate the predictions: preds
preds = (weights * input_data).sum()
# Calculate the error: error
error = preds - target
# Calculate the slope: slope
slope = 2 * input_data * error
# Update the weights: weights_updated
weights_updated = ____
# Get updated predictions: preds_updated
preds_updated = ____
# Calculate updated error: error_updated
error_updated = ____
# Print the original error
print(error)
# Print the updated error
print(error_updated)