Meningkatkan bobot model

Hore! Anda baru saja menghitung kemiringan (slope) yang diperlukan. Sekarang saatnya menggunakan kemiringan tersebut untuk meningkatkan model Anda. Jika Anda menambahkan kemiringan ke bobot, Anda akan bergerak ke arah yang benar. Namun, ada kemungkinan bergerak terlalu jauh ke arah itu. Jadi, sebaiknya Anda mengambil langkah kecil terlebih dahulu dengan menggunakan laju pembelajaran yang lebih rendah, dan memverifikasi bahwa modelnya membaik.

Bobot telah dimuat sebelumnya sebagai weights, nilai aktual target sebagai target, dan data masukan sebagai input_data. Prediksi dari bobot awal disimpan sebagai preds.

Latihan ini adalah bagian dari kursus

Pengantar Deep Learning dengan Python

Lihat Kursus

Petunjuk latihan

Tetapkan laju pembelajaran sebesar 0.01 dan hitung galat dari prediksi awal. Ini telah dilakukan untuk Anda.
Hitung bobot yang diperbarui dengan mengurangkan hasil kali learning_rate dan slope dari weights.
Hitung prediksi yang diperbarui dengan mengalikan weights_updated dengan input_data lalu menghitung jumlahnya.
Hitung galat untuk prediksi baru. Simpan hasilnya sebagai error_updated.
Tekan 'Kirim Jawaban' untuk membandingkan galat yang diperbarui dengan yang asli!

Latihan interaktif praktis

Cobalah latihan ini dengan menyelesaikan kode contoh berikut.

# 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)

Edit dan Jalankan Kode