Покращення ваг моделі

Ура! Ви щойно обчислили потрібні вам похили (slopes). Тепер час використати їх, щоб покращити вашу модель. Якщо додати похили до ваг, ви рухатиметеся в правильному напрямку. Проте можна зробити занадто великий крок у цей бік. Тож спершу варто зробити маленький крок із нижчою швидкістю навчання (learning rate) і перевірити, що модель поліпшується.

Ваги попередньо завантажено як weights, фактичне значення цільової змінної — як target, а вхідні дані — як input_data. Передбачення з початкових ваг збережено як preds.

Ця вправа є частиною курсу

Вступ до Deep Learning у Python

Переглянути курс

Інструкції до вправи

Встановіть швидкість навчання 0.01 і обчисліть помилку для початкових передбачень. Це вже зроблено за вас.
Обчисліть оновлені ваги, віднявши добуток learning_rate і slope від weights.
Обчисліть оновлені передбачення, перемноживши weights_updated на input_data і підсумувавши.
Обчисліть помилку для нових передбачень. Збережіть результат у змінній error_updated.
Натисніть "Submit Answer", щоб порівняти оновлену помилку з початковою!

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# Set the learning rate: learning_rate
learning_rate = 0.01

# Calculate the predictions: preds
preds = (weights * input_data).sum()

# Calculate the error: error
error = preds - target

# Calculate the slope: slope
slope = 2 * input_data * error

# Update the weights: weights_updated
weights_updated = ____

# Get updated predictions: preds_updated
preds_updated = ____

# Calculate updated error: error_updated
error_updated = ____

# Print the original error
print(error)

# Print the updated error
print(error_updated)

Редагувати та запускати код