モデルの重みを改善する

やりました！必要な傾きが計算できました。次は、その傾きを使ってモデルを改善します。傾きを重みに加えると、正しい方向に進めます。ただし、その方向に行き過ぎる可能性もあります。そこで、最初は小さなステップ（低めの学習率）で動かし、モデルが改善しているかを確認しましょう。

重みは weights、ターゲットの実際の値は target、入力データは input_data として事前に読み込まれています。初期の重みによる予測は preds に保存されています。

この演習はコースの一部です

Pythonで学ぶDeep Learning入門

コースを見る

演習の手順

学習率を 0.01 に設定し、元の予測からの誤差を計算します。これはすでに用意されています。
weights から learning_rate と slope の積を引いて、更新後の重みを計算します。
weights_updated と input_data を要素ごとに掛けて合計を取り、更新後の予測を計算します。
新しい予測の誤差を計算し、error_updated に保存します。
'Submit Answer' を押して、更新後の誤差と元の誤差を比較しましょう！

実践的なインタラクティブ演習

このサンプルコードを完成させて、この演習に挑戦してみましょう。

# 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)

コードを編集して実行