BaşlayınÜcretsiz başlayın

Matris çarpımıyla tahmin yapmak

İlerleyen bölümlerde doğrusal regresyon modellerini eğitmeyi öğreneceksin. Bu süreç, tahmin üretmek için girdi verisiyle çarpılabilen bir parametre vektörü üretir. Bu egzersizde, kursta daha sonra kullanacağımız bir kredi kartı veri kümesinden alınan girdi verisi features ve hedef vektörü bill ile çalışacaksın.

\(features = \begin{bmatrix} 2 & 24 \\ 2 & 26 \\ 2 & 57 \\ 1 & 37 \end{bmatrix}\), \(bill = \begin{bmatrix} 3913 \\ 2682 \\ 8617 \\ 64400 \end{bmatrix}\), \(params = \begin{bmatrix} 1000 \\ 150 \end{bmatrix}\)

Girdi verilerinin matrisi features iki sütun içerir: eğitim düzeyi ve yaş. Hedef vektörü bill ise kredi kartı borçlusunun ekstresinin tutarıdır.

Modeli henüz eğitmediğimiz için, parametre vektörü params için tahmini değerler gireceksin. Ardından matmul() kullanarak features ile params arasında matris çarpımı yapıp tahminleri, billpred, üretecek ve bunları bill ile karşılaştıracaksın. matmul() ve constant() fonksiyonlarını içe aktardığımızı unutma.

Bu egzersiz, kursun bir parçasıdır

Python ile TensorFlow’a Giriş

Kursa Göz Atın

Egzersiz talimatları

  • features, params ve bill değerlerini sabit (constant) olarak tanımla.
  • Tahmin vektörü billpred’i, girdi verisi features ile parametreler params’i çarparak hesapla. Eleman bazlı çarpım yerine matris çarpımı kullan.
  • error’ı, hedefler bill eksi tahmin değerleri billpred olarak tanımla.

Uygulamalı etkileşimli egzersiz

Bu egzersizi bu örnek kodu tamamlayarak deneyin.

# Define features, params, and bill as constants
features = ____([[2, 24], [2, 26], [2, 57], [1, 37]])
params = ____([[1000], [150]])
bill = ____([[3913], [2682], [8617], [64400]])

# Compute billpred using features and params
billpred = ____

# Compute and print the error
error = ____ - ____
print(error.numpy())
Kodu Düzenle ve Çalıştır