BaşlayınÜcretsiz başlayın

Doğrusal regresyonu kur

Tek değişkenli bir doğrusal regresyon, tek bir özellik ile hedef tensör arasındaki ilişkiyi bulur. Bu egzersizde, bir mülkün arsa büyüklüğü ve fiyatını kullanacağız. Videoda konuştuğumuz gibi, her iki tensörün de doğal logaritmasını alacağız; bunlar price_log ve size_log olarak mevcut.

Bu egzersizde modeli ve kayıp fonksiyonunu tanımlayacaksın. Ardından intercept ve slope için iki farklı değer üzerinde kayıp fonksiyonunu değerlendireceksin. Tahmin edilen değerlerin intercept + features*slope ile verildiğini unutma. Ayrıca, senin için keras.losses.mse() fonksiyonunun mevcut olduğunu not et. Ek olarak, slope ve intercept değişken olarak tanımlanmıştır.

Bu egzersiz, kursun bir parçasıdır

Python ile TensorFlow’a Giriş

Kursa Göz Atın

Egzersiz talimatları

  • intercept, features ve slope kullanarak, add() veya multiply() kullanmadan, doğrusal regresyon için tahmin değerlerini döndüren bir fonksiyon tanımla.
  • Modelin değişkenleri olan intercept ve slopeu argüman olarak ekleyerek loss_function() fonksiyonunu tamamla.
  • targets ve predictions kullanarak ortalama kare hatayı hesapla.

Uygulamalı etkileşimli egzersiz

Bu egzersizi bu örnek kodu tamamlayarak deneyin.

# Define a linear regression model
def linear_regression(intercept, slope, features = size_log):
	return ____

# Set loss_function() to take the variables as arguments
def loss_function(____, ____, features = size_log, targets = price_log):
	# Set the predicted values
	predictions = linear_regression(intercept, slope, features)
    
    # Return the mean squared error loss
	return keras.losses.____

# Compute the loss for different slope and intercept values
print(loss_function(0.1, 0.1).numpy())
print(loss_function(0.1, 0.5).numpy())
Kodu Düzenle ve Çalıştır