1. Nauka
    2. /
  2. Kursy
    3. /
  3. Wprowadzenie do TensorFlow w Pythonie
Connected

ćwiczenie

Wieloraka regresja liniowa

W większości przypadków regresja liniowa jednowymiarowa nie wystarczy, by zbudować model dający dokładne przewidywania. W tym ćwiczeniu przeprowadzisz regresję wieloraką, która korzysta z więcej niż jednej cechy.

Jako cel (target) użyjesz price_log, a jako cechy – size_log oraz bedrooms. Wszystkie te tensory są już zdefiniowane i dostępne. Zamiast błędu średniokwadratowego użyjesz tym razem średniego błędu bezwzględnego: keras.losses.mae(). Wartości przewidywane są obliczane w następujący sposób: params[0] + feature1*params[1] + feature2*params[2]. Zwróć uwagę, że zamiast trzech oddzielnych zmiennych zdefiniowaliśmy wektor parametrów params. W tym wektorze params[0] to wyraz wolny, a params[1] i params[2] to współczynniki kierunkowe.

Instrukcje

100 XP
  • Zdefiniuj model regresji liniowej, który zwraca wartości przewidywane.
  • Ustaw loss_function() tak, aby przyjmowała wektor parametrów jako wejście.
  • Użyj funkcji straty opartej na średnim błędzie bezwzględnym.
  • Uzupełnij operację minimalizacji.