Mejorar los pesos del modelo
¡Bien! Ya has calculado las pendientes que necesitas. Ahora toca usarlas para mejorar tu modelo. Si sumas las pendientes a tus pesos, te moverás en la dirección correcta. Sin embargo, es posible avanzar demasiado en esa dirección. Por eso, primero conviene dar un paso pequeño usando una tasa de aprendizaje más baja y comprobar que el modelo está mejorando.
Los pesos se han precargado como weights, el valor real del objetivo como target y los datos de entrada como input_data. Las predicciones con los pesos iniciales están guardadas como preds.
Este ejercicio forma parte del curso
Introducción al Deep Learning en Python
Instrucciones del ejercicio
- Establece la tasa de aprendizaje en
0.01y calcula el error a partir de las predicciones originales. Esto ya está hecho por ti. - Calcula los pesos actualizados restando de
weightsel producto delearning_rateyslope. - Calcula las predicciones actualizadas multiplicando
weights_updatedporinput_datay haciendo la suma. - Calcula el error de las nuevas predicciones. Guarda el resultado en
error_updated. - Pulsa "Enviar respuesta" para comparar el error actualizado con el original.
Ejercicio interactivo práctico
Prueba este ejercicio y completa el 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)