Улучшение весов модели

Отлично! Вы только что вычислили нужные значения наклонов. Теперь пора использовать их для улучшения модели. Если прибавить наклоны к весам, модель сдвинется в правильном направлении. Однако важно не сделать слишком большой шаг. Поэтому сначала сделайте небольшой шаг, используя низкую скорость обучения, и убедитесь, что модель действительно улучшается.

Веса заранее загружены в переменную weights, фактическое значение целевой переменной — в target, входные данные — в input_data. Предсказания, полученные на основе исходных весов, хранятся в переменной preds.

Это упражнение является частью курса

Введение в глубокое обучение на Python

Посмотреть курс

Инструкции к упражнению

Установите скорость обучения равной 0.01 и вычислите ошибку для исходных предсказаний. Этот шаг уже выполнен за вас.
Вычислите обновлённые веса, вычтя произведение learning_rate и slope из weights.
Вычислите обновлённые предсказания, перемножив weights_updated и input_data и вычислив их сумму.
Вычислите ошибку для новых предсказаний и сохраните результат в переменную error_updated.
Нажмите «Отправить ответ», чтобы сравнить обновлённую ошибку с исходной!

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# 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)

Редактировать и запускать код