1. 学ぶ
    2. /
  2. コース
    3. /
  3. Pythonで学ぶDeep Learning入門
Connected

演習

複数のデータポイントへの拡張

単一の予測でも、重みが違えば精度が変わることを見ました。ですが、通常は多くの点でモデル精度を評価します。ここでは、weights_0 と weights_1 に保存された 2 つの重みセットでモデル精度を比較するコードを書きます。

input_data は配列のリストで、そのリストの各要素には 1 回の予測に必要なデータが入っています。 target_actuals は数値のリストで、各要素は予測対象の実際の値です。

この演習では、sklearn.metrics の mean_squared_error() 関数を使います。真値と予測値を引数に取ります。

また、事前に読み込まれている predict_with_network() 関数も使います。最初の引数にデータの配列、2 番目の引数に重みを渡します。

指示

100 XP
  • sklearn.metrics から mean_squared_error をインポートします。
  • for ループで input_data の各行を反復します：
    • predict_with_network() 関数で各行に対して weights_0 を用いて予測し、model_output_0 に追加します。
    • 同様に weights_1 でも予測し、model_output_1 に追加します。
  • mean_squared_error() 関数を使って、まず model_output_0、次に model_output_1 の平均二乗誤差を計算します。最初の引数は実測値（target_actuals）、2 番目の引数は予測値（model_output_0 または model_output_1）です。