การคำนวณค่า slope
มาฝึกคำนวณค่า slope กัน เมื่อพล็อตกราฟ mean-squared error loss function เทียบกับค่าพยากรณ์ ค่า slope คือ 2 * x * (xb-y) หรือ 2 * input_data * error โปรดสังเกตว่า x และ b อาจมีหลายค่า (x เป็นเวกเตอร์สำหรับแต่ละจุดข้อมูล และ b ก็เป็นเวกเตอร์เช่นกัน) ในกรณีนี้ ผลลัพธ์จะเป็นเวกเตอร์ด้วย ซึ่งเป็นสิ่งที่ต้องการ
ตอนนี้พร้อมเขียนโค้ดคำนวณค่า slope โดยใช้ข้อมูลเพียงจุดเดียวแล้ว โดยใช้ค่าน้ำหนักที่กำหนดไว้ล่วงหน้าชื่อ weights และข้อมูลของจุดเดียวชื่อ input_data ส่วนค่าจริงของเป้าหมายที่ต้องการพยากรณ์เก็บอยู่ในตัวแปร target
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
Introduction to Deep Learning in Python
คำแนะนำการฝึกหัด
- คำนวณค่าพยากรณ์
predsโดยคูณweightsกับinput_dataแล้วหาผลรวม - คำนวณค่าความคลาดเคลื่อน ซึ่งได้จาก
predsลบtargetโปรดสังเกตว่าค่าความคลาดเคลื่อนนี้ตรงกับxb-yในสมการ gradient - คำนวณค่า slope ของ loss function เทียบกับค่าพยากรณ์ โดยคูณ
input_dataกับerrorแล้วคูณผลลัพธ์ด้วย2
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
# Calculate the predictions: preds
preds = ____
# Calculate the error: error
error = ____ - ____
# Calculate the slope: slope
slope = ____ * ____ * ____
# Print the slope
print(slope)