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

ćwiczenie

Konfiguracja regresji liniowej

Jednowymiarowa regresja liniowa opisuje zależność między pojedynczą cechą a tensorem docelowym. W tym ćwiczeniu wykorzystamy powierzchnię działki i cenę nieruchomości. Podobnie jak w materiale wideo, zastosujemy logarytmy naturalne obu tensorów – są one dostępne jako price_log i size_log.

W tym ćwiczeniu zdefiniujesz model oraz funkcję straty, a następnie obliczysz wartość funkcji straty dla dwóch różnych wartości intercept i slope. Pamiętaj, że przewidywane wartości są dane wzorem intercept + features*slope. Zwróć uwagę, że keras.losses.mse() jest już dostępne. Zmienne slope i intercept zostały również wcześniej zdefiniowane.

Instrukcje

100 XP
  • Zdefiniuj funkcję, która zwraca przewidywane wartości dla regresji liniowej, korzystając z intercept, features i slope – bez użycia add() ani multiply().
  • Uzupełnij loss_function(), dodając zmienne modelu – intercept i slope – jako argumenty.
  • Oblicz błąd średniokwadratowy, używając targets i predictions.