Bir kayıp fonksiyonunu en aza indirmek
Bu egzersizde, scipy.optimize.minimize kullanarak doğrusal regresyonu sıfırdan uygulayacaksın.
Boston konut fiyatı veri kümesi üzerinde bir model eğiteceğiz; veriler zaten X ve y değişkenlerine yüklü. Basit olması için, regresyon modelimize bir sabit terim (intercept) eklemeyeceğiz.
Bu egzersiz
Python'da Lineer Sınıflandırıcılar
kursunun bir parçasıdırEgzersiz talimatları
- En küçük kareler doğrusal regresyonu için kayıp fonksiyonunu doldur.
- sklearn'in
LinearRegressionsınıfını fit ederek elde edilen katsayıları yazdır.
Uygulamalı interaktif egzersiz
Bu örnek kodu tamamlayarak bu egzersizi bitirin.
# The squared error, summed over training examples
def my_loss(w):
s = 0
for i in range(y.size):
# Get the true and predicted target values for example 'i'
y_i_true = y[i]
y_i_pred = w@X[i]
s = s + (____)**2
return s
# Returns the w that makes my_loss(w) smallest
w_fit = minimize(my_loss, X[0]).x
print(w_fit)
# Compare with scikit-learn's LinearRegression coefficients
lr = LinearRegression(fit_intercept=False).fit(X,y)
print(____)