Aprimoramento dos pesos do modelo
Viva! Você acabou de calcular as inclinações necessárias. Agora é hora de usar essas inclinações para melhorar seu modelo. Se você adicionar as inclinações aos seus pesos, estará na direção certa. No entanto, é possível ir longe demais nessa direção. Portanto, você deve dar um pequeno passo nessa direção primeiro, usando uma taxa de aprendizado menor, e verificar se o modelo está melhorando.
Os pesos foram pré-carregados como weights, o valor real do alvo como target e os dados de entrada como input_data. As previsões dos pesos iniciais são armazenadas como preds.
Este exercício faz parte do curso
Introdução à aprendizagem profunda em Python
Instruções de exercício
- Defina a taxa de aprendizado como
0.01e calcule o erro das previsões originais. Isso foi feito para você. - Calcule os pesos atualizados subtraindo o produto de
learning_rateeslopedeweights. - Calcule as previsões atualizadas multiplicando
weights_updatedporinput_datae calculando sua soma. - Calcule o erro para as novas previsões. Armazene o resultado como
error_updated. - Clique em "Enviar resposta" para comparar o erro atualizado com o original!
Exercício interativo prático
Experimente este exercício preenchendo este código de exemplo.
# Set the learning rate: learning_rate
learning_rate = 0.01
# Calculate the predictions: preds
preds = (weights * input_data).sum()
# Calculate the error: error
error = preds - target
# Calculate the slope: slope
slope = 2 * input_data * error
# Update the weights: weights_updated
weights_updated = ____
# Get updated predictions: preds_updated
preds_updated = ____
# Calculate updated error: error_updated
error_updated = ____
# Print the original error
print(error)
# Print the updated error
print(error_updated)