Extinderea la mai multe puncte de date

Ai văzut cum ponderi diferite duc la acuratețe diferită pentru o singură predicție. De obicei, însă, vei dori să măsori acuratețea modelului pe mai multe puncte. Acum vei scrie cod pentru a compara acuratețea a două seturi diferite de ponderi, stocate ca weights_0 și weights_1.

input_data este o listă de array-uri. Fiecare element din această listă conține datele necesare pentru o singură predicție. target_actuals este o listă de numere. Fiecare element din această listă reprezintă valoarea reală pe care încercăm să o prezicem.

În acest exercițiu, vei folosi funcția mean_squared_error() din sklearn.metrics. Aceasta primește valorile reale și valorile prezise ca argumente.

Vei folosi, de asemenea, funcția preîncărcată predict_with_network(), care primește un array de date ca prim argument și ponderile ca al doilea argument.

Acest exercițiu face parte din cursul

Introducere în Deep Learning în Python

Vezi cursul

Instrucțiuni pentru exercițiu

Importă mean_squared_error din sklearn.metrics.
Folosind o buclă for pentru a itera peste fiecare rând din input_data:
- Calculează predicțiile pentru fiecare rând cu weights_0 folosind funcția predict_with_network() și adaugă rezultatul la model_output_0.
- Fă același lucru pentru weights_1, adăugând predicțiile la model_output_1.
Calculează eroarea medie pătratică pentru model_output_0 și apoi pentru model_output_1 folosind funcția mean_squared_error(). Primul argument trebuie să fie valorile reale (target_actuals), iar al doilea argument trebuie să fie valorile prezise (model_output_0 sau model_output_1).

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

from sklearn.metrics import mean_squared_error

# Create model_output_0 
model_output_0 = []
# Create model_output_1
model_output_1 = []

# Loop over input_data
for row in input_data:
    # Append prediction to model_output_0
    model_output_0.append(____)
    
    # Append prediction to model_output_1
    model_output_1.append(____)

# Calculate the mean squared error for model_output_0: mse_0
mse_0 = ____

# Calculate the mean squared error for model_output_1: mse_1
mse_1 = ____

# Print mse_0 and mse_1
print("Mean squared error with weights_0: %f" %mse_0)
print("Mean squared error with weights_1: %f" %mse_1)

Editează și rulează codul