Matrix multiplication से predictions बनाना
आगे के अध्यायों में, आप linear regression मॉडल्स को ट्रेन करना सीखेंगे. इस प्रक्रिया से पैरामीटर्स का एक वेक्टर मिलेगा जिसे इनपुट डेटा से गुणा करके predictions बनाए जा सकते हैं. इस अभ्यास में, आप इनपुट डेटा features और एक target वेक्टर bill का उपयोग करेंगे, जो एक क्रेडिट कार्ड डेटासेट से लिए गए हैं जिसे हम आगे कोर्स में इस्तेमाल करेंगे.
\(features = \begin{bmatrix} 2 & 24 \\ 2 & 26 \\ 2 & 57 \\ 1 & 37 \end{bmatrix}\), \(bill = \begin{bmatrix} 3913 \\ 2682 \\ 8617 \\ 64400 \end{bmatrix}\), \(params = \begin{bmatrix} 1000 \\ 150 \end{bmatrix}\)
इनपुट डेटा की मैट्रिक्स features में दो कॉलम हैं: शिक्षा स्तर और आयु. Target वेक्टर bill क्रेडिट कार्ड उधारकर्ता के बिल के आकार को दर्शाता है.
क्योंकि हमने मॉडल को ट्रेन नहीं किया है, आप पैरामीटर वेक्टर params के मानों के लिए एक अनुमान दर्ज करेंगे. फिर आप matmul() का उपयोग करके features और params की matrix multiplication करेंगे ताकि predictions billpred मिलें, जिन्हें आप bill से तुलना करेंगे. ध्यान दें कि हमने matmul() और constant() इंपोर्ट कर रखे हैं.
यह अभ्यास पाठ्यक्रम का हिस्सा है
Python में TensorFlow परिचय
अभ्यास निर्देश
features,params, औरbillको constants के रूप में परिभाषित करें.- इनपुट डेटा
featuresको पैरामीटर्सparamsसे गुणा करके predicted value वेक्टरbillpredनिकालें. Element-wise product के बजाय matrix multiplication का उपयोग करें. errorको targetsbillमाइनस predicted valuesbillpredके रूप में परिभाषित करें.
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Define features, params, and bill as constants
features = ____([[2, 24], [2, 26], [2, 57], [1, 37]])
params = ____([[1000], [150]])
bill = ____([[3913], [2682], [8617], [64400]])
# Compute billpred using features and params
billpred = ____
# Compute and print the error
error = ____ - ____
print(error.numpy())