Förbättra modellens vikter
Bra jobbat! Du har precis beräknat de lutningar du behöver. Nu är det dags att använda dem för att förbättra din modell. Om du adderar lutningarna till vikterna rör du dig i rätt riktning – men det finns en risk att steget blir för stort. Därför börjar du med ett litet steg i den riktningen, med hjälp av en låg inlärningshastighet, och kontrollerar att modellen faktiskt förbättras.
Vikterna är fördefinierade som weights, det faktiska målvärdet som target och indatan som input_data. Prediktionerna från de ursprungliga vikterna finns lagrade i preds.
Den här övningen är en del av kursen
Introduktion till djupinlärning i Python
Övningsinstruktioner
- Sätt inlärningshastigheten till
0.01och beräkna felet från de ursprungliga prediktionerna. Det här steget är redan gjort åt dig. - Beräkna de uppdaterade vikterna genom att subtrahera produkten av
learning_rateochslopefrånweights. - Beräkna de uppdaterade prediktionerna genom att multiplicera
weights_updatedmedinput_dataoch summera resultatet. - Beräkna felet för de nya prediktionerna och lagra resultatet i
error_updated. - Klicka på Skicka in svar för att jämföra det uppdaterade felet med det ursprungliga!
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# 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)