Menghitung kemiringan (slope)

Sekarang Anda akan berlatih menghitung kemiringan (slope). Saat memplot fungsi loss mean-squared error terhadap prediksi, kemiringannya adalah 2 * x * (xb-y), atau 2 * input_data * error. Perhatikan bahwa x dan b mungkin memiliki beberapa angka (x adalah vektor untuk setiap titik data, dan b adalah vektor). Dalam hal ini, keluarannya juga akan berupa vektor, yang memang Anda inginkan.

Anda siap menulis kode untuk menghitung kemiringan ini menggunakan satu titik data. Anda akan menggunakan bobot yang telah ditentukan sebelumnya bernama weights serta data untuk satu titik bernama input_data. Nilai aktual target yang ingin Anda prediksi disimpan dalam target.

Latihan ini adalah bagian dari kursus

Pengantar Deep Learning dengan Python

Lihat Kursus

Petunjuk latihan

Hitung prediksi, preds, dengan mengalikan weights dengan input_data lalu menghitung jumlahnya.
Hitung error, yaitu preds dikurangi target. Perhatikan bahwa error ini berkaitan dengan xb-y pada ekspresi gradien.
Hitung kemiringan (slope) fungsi loss terhadap prediksi. Untuk melakukannya, Anda perlu mengambil hasil kali input_data dan error lalu mengalikannya dengan 2.

Latihan interaktif praktis

Cobalah latihan ini dengan menyelesaikan kode contoh berikut.

# Calculate the predictions: preds
preds = ____

# Calculate the error: error
error = ____ - ____

# Calculate the slope: slope
slope = ____ * ____ * ____

# Print the slope
print(slope)

Edit dan Jalankan Kode