행렬 곱셈으로 예측 만들기
이후 장에서는 선형 회귀 모델을 학습하는 방법을 배웁니다. 이 과정에서는 입력 데이터에 곱해 예측을 생성할 수 있는 파라미터 벡터가 만들어져요. 이번 연습에서는 이후에 사용할 신용카드 데이터셋에서 가져온 입력 데이터 features와 타깃 벡터 bill을 사용합니다.
\(features = \begin{bmatrix} 2 & 24 \\ 2 & 26 \\ 2 & 57 \\ 1 & 37 \end{bmatrix}\), \(bill = \begin{bmatrix} 3913 \\ 2682 \\ 8617 \\ 64400 \end{bmatrix}\), \(params = \begin{bmatrix} 1000 \\ 150 \end{bmatrix}\)
입력 데이터 행렬 features에는 두 개의 열이 있으며, 교육 수준과 나이를 나타냅니다. 타깃 벡터 bill은 신용카드 차입자의 청구 금액이에요.
아직 모델을 학습하지 않았으므로, 파라미터 벡터 params의 값을 추정해 넣을 거예요. 그런 다음 matmul()을 사용해 features에 params를 행렬 곱으로 곱해 예측값 billpred를 만들고, 이를 bill과 비교합니다. 참고로 matmul()과 constant()는 이미 임포트되어 있습니다.
이 연습은 강의의 일부입니다
Python으로 시작하는 TensorFlow
연습 안내
features,params,bill을 상수로 정의하세요.- 입력 데이터
features에 파라미터params를 곱해 예측값 벡터billpred를 계산하세요. 원소별 곱이 아니라 행렬 곱을 사용해야 합니다. error를 타깃bill에서 예측값billpred를 뺀 값으로 정의하세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# 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())