ÎncepețiÎncepe gratuit

Configurează o regresie liniară

O regresie liniară univariată identifică relația dintre o singură caracteristică și tensorul țintă. În acest exercițiu, vom folosi suprafața unui teren și prețul proprietății. Așa cum am discutat în video, vom aplica logaritmul natural ambilor tensori, disponibili ca price_log și size_log.

În acest exercițiu, vei defini modelul și funcția de pierdere. Apoi vei evalua funcția de pierdere pentru două valori diferite ale lui intercept și slope. Ține minte că valorile prezise sunt date de intercept + features*slope. De asemenea, reține că keras.losses.mse() este disponibil pentru tine. În plus, slope și intercept au fost definite ca variabile.

Acest exercițiu face parte din cursul

Introducere în TensorFlow în Python

Vezi cursul

Instrucțiuni pentru exercițiu

  • Definește o funcție care returnează valorile prezise pentru o regresie liniară folosind intercept, features și slope, fără a utiliza add() sau multiply().
  • Completează loss_function() adăugând variabilele modelului, intercept și slope, ca argumente.
  • Calculează eroarea pătratică medie folosind targets și predictions.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# Define a linear regression model
def linear_regression(intercept, slope, features = size_log):
	return ____

# Set loss_function() to take the variables as arguments
def loss_function(____, ____, features = size_log, targets = price_log):
	# Set the predicted values
	predictions = linear_regression(intercept, slope, features)
    
    # Return the mean squared error loss
	return keras.losses.____

# Compute the loss for different slope and intercept values
print(loss_function(0.1, 0.1).numpy())
print(loss_function(0.1, 0.5).numpy())
Editează și rulează codul