始める無料で始める

行列積で予測を作る

後の章では、線形回帰モデルの学習方法を扱います。学習によって得られるのは、入力データに掛け合わせて予測値を出すためのパラメータのベクトルです。この演習では、コース後半で使用するクレジットカードのデータセットから、入力データ features と目的変数ベクトル bill を使います。

\(features = \begin{bmatrix} 2 & 24 \\ 2 & 26 \\ 2 & 57 \\ 1 & 37 \end{bmatrix}\), \(bill = \begin{bmatrix} 3913 \\ 2682 \\ 8617 \\ 64400 \end{bmatrix}\), \(params = \begin{bmatrix} 1000 \\ 150 \end{bmatrix}\)

入力データ行列 features には、教育水準と年齢の2列が含まれます。目的変数ベクトル bill は、クレジットカード借り手の請求額を表します。

モデルはまだ学習していないため、パラメータベクトル params の値は仮の推測を入力します。次に matmul() を使って features と params の行列積を計算し、予測値 billpred を作成して bill と比較します。なお、matmul() と constant() はすでにインポートされています。

この演習はコースの一部です

Introduction to TensorFlow in Python

コースを見る

演習の手順

  • features、params、bill を定数として定義してください。
  • 入力データ features にパラメータ params を掛けて、予測値ベクトル billpred を計算してください。要素ごとの積ではなく、行列の掛け算を使います。
  • 目的変数 bill から予測値 billpred を引いたものを error として定義してください。

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。

# Define features, params, and bill as constants
features = ____([[2, 24], [2, 26], [2, 57], [1, 37]])
params = ____([[1000], [150]])
bill = ____([[3913], [2682], [8617], [64400]])

# Compute billpred using features and params
billpred = ____

# Compute and print the error
error = ____ - ____
print(error.numpy())
コードを編集して実行