1. Learn
    2. /
  2. Cursuri
    3. /
  3. Introducere în TensorFlow în Python
Connected

exercițiu

Regresia liniară multiplă

În cele mai multe cazuri, o regresie liniară univariată nu produce un model suficient de precis pentru predicții utile. În acest exercițiu, vei realiza o regresie multiplă, care folosește mai mult de o caracteristică.

Vei utiliza price_log ca variabilă țintă și size_log și bedrooms ca variabile de intrare. Fiecare dintre acești tensori a fost deja definit și este disponibil. Vei trece, de asemenea, de la funcția de pierdere bazată pe eroarea pătratică medie la cea bazată pe eroarea absolută medie: keras.losses.mae(). În final, valorile prezise se calculează astfel: params[0] + feature1*params[1] + feature2*params[2]. Rețineți că am definit un vector de parametri, params, ca variabilă, în loc să folosim trei variabile separate. Aici, params[0] este interceptul, iar params[1] și params[2] sunt pantele.

Instrucțiuni

100 XP
  • Definește un model de regresie liniară care returnează valorile prezise.
  • Configurează loss_function() să primească vectorul de parametri ca intrare.
  • Folosește funcția de pierdere bazată pe eroarea absolută medie.
  • Completează operația de minimizare.