Menerapkan jaringan pada banyak observasi/baris data

Sekarang Anda akan mendefinisikan fungsi bernama predict_with_network() yang akan menghasilkan prediksi untuk beberapa observasi data, yang sudah dimuat sebagai input_data. Seperti sebelumnya, weights juga sudah dimuat. Selain itu, fungsi relu() yang Anda definisikan pada latihan sebelumnya telah dimuat sebelumnya.

Latihan ini adalah bagian dari kursus

Pengantar Deep Learning dengan Python

Lihat Kursus

Petunjuk latihan

Definisikan fungsi bernama predict_with_network() yang menerima dua argumen - input_data_row dan weights - dan mengembalikan prediksi dari jaringan sebagai keluarannya.
Hitung nilai masukan dan keluaran untuk setiap node, lalu simpan sebagai: node_0_input, node_0_output, node_1_input, dan node_1_output.
- Untuk menghitung nilai masukan sebuah node, kalikan array yang relevan lalu jumlahkan hasilnya.
- Untuk menghitung nilai keluaran sebuah node, terapkan fungsi relu() pada nilai masukan node tersebut.
Hitung keluaran model dengan menghitung input_to_final_layer dan model_output dengan cara yang sama seperti Anda menghitung nilai masukan dan keluaran untuk node-node.
Gunakan for loop untuk melakukan iterasi atas input_data:
- Gunakan predict_with_network() Anda untuk menghasilkan prediksi untuk setiap baris input_data - input_data_row. Tambahkan setiap prediksi ke results.

Latihan interaktif praktis

Cobalah latihan ini dengan menyelesaikan kode contoh berikut.

# 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)

Edit dan Jalankan Kode