線形回帰をセットアップする
単回帰（univariate linear regression）は、1つの特徴量と目的のテンソルとの関係を捉えます。この演習では、物件の敷地面積と価格を使います。動画で説明したとおり、両方のテンソルの自然対数を取り、price_log と size_log として用意されています。
この演習では、モデルと損失関数を定義します。その後、intercept と slope の2つの異なる値に対して損失関数を評価します。予測値は intercept + features*slope で与えられる点を思い出してください。さらに、keras.losses.mse() が利用可能です。また、slope と intercept は変数として定義済みです。
この演習はコースの一部です
Introduction to TensorFlow in Python
演習の手順
intercept、features、slopeを使い、add()やmultiply()を使わずに線形回帰の予測値を返す関数を定義します。- モデルの変数である
interceptとslopeを引数として追加し、loss_function()を完成させます。 targetsとpredictionsを用いて平均二乗誤差を計算します。
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 a linear regression model
def linear_regression(intercept, slope, features = size_log):
return ____
# Set loss_function() to take the variables as arguments
def loss_function(____, ____, features = size_log, targets = price_log):
# Set the predicted values
predictions = linear_regression(intercept, slope, features)
# Return the mean squared error loss
return keras.losses.____
# Compute the loss for different slope and intercept values
print(loss_function(0.1, 0.1).numpy())
print(loss_function(0.1, 0.5).numpy())