Birden fazla veri noktasına ölçekleme

Farklı ağırlıkların tek bir tahminde farklı doğruluklara sahip olabileceğini gördün. Ama genelde, model doğruluğunu birçok nokta üzerinde ölçmek istersin. Şimdi weights_0 ve weights_1 olarak saklanmış iki farklı ağırlık kümesi için model doğruluklarını karşılaştıracak kodu yazacaksın.

input_data bir dizi (array) listesidir. Bu listedeki her öğe, tek bir tahmin yapmak için gereken veriyi içerir. target_actuals bir sayı listesidir. Listedeki her öğe, tahmin etmeye çalıştığımız gerçek değerdir.

Bu egzersizde, sklearn.metrics içinden mean_squared_error() fonksiyonunu kullanacaksın. Bu fonksiyon, argüman olarak gerçek değerleri ve tahmin edilen değerleri alır.

Ayrıca önceden yüklenmiş predict_with_network() fonksiyonunu da kullanacaksın; bu fonksiyon ilk argüman olarak bir veri dizisini, ikinci argüman olarak da ağırlıkları alır.

Bu egzersiz

Python ile Deep Learning'e Giriş

kursunun bir parçasıdır

Kursu Görüntüle

Egzersiz talimatları

sklearn.metrics içinden mean_squared_error'ı içe aktar.
input_data içindeki her satırda dolaşmak için bir for döngüsü kullan:
- Her satır için predict_with_network() fonksiyonunu kullanarak weights_0 ile tahmin yap ve sonucu model_output_0 listesine ekle.
- Aynısını weights_1 için de yap ve tahminleri model_output_1 listesine ekle.
mean_squared_error() fonksiyonunu kullanarak önce model_output_0'ın, sonra model_output_1'in ortalama karesel hatasını hesapla. İlk argüman gerçek değerler (target_actuals), ikinci argüman ise tahminler (model_output_0 veya model_output_1) olmalıdır.

Uygulamalı interaktif egzersiz

Bu örnek kodu tamamlayarak bu egzersizi bitirin.

from sklearn.metrics import mean_squared_error

# Create model_output_0 
model_output_0 = []
# Create model_output_1
model_output_1 = []

# Loop over input_data
for row in input_data:
    # Append prediction to model_output_0
    model_output_0.append(____)
    
    # Append prediction to model_output_1
    model_output_1.append(____)

# Calculate the mean squared error for model_output_0: mse_0
mse_0 = ____

# Calculate the mean squared error for model_output_1: mse_1
mse_1 = ____

# Print mse_0 and mse_1
print("Mean squared error with weights_0: %f" %mse_0)
print("Mean squared error with weights_1: %f" %mse_1)

Kodu Düzenle ve Çalıştır