ПочатиПочніть безкоштовно

Прогнозування за допомогою матричного множення

У наступних розділах ви навчитеся тренувати моделі лінійної регресії. У результаті цього процесу ви отримаєте вектор параметрів, який можна помножити на вхідні дані, щоб отримати прогнози. У цій вправі ви використаєте вхідні дані features та цільовий вектор bill, узяті з набору даних про кредитні картки, який ми використаємо далі в курсі.

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

Матриця вхідних даних features містить два стовпці: рівень освіти та вік. Цільовий вектор bill — це розмір рахунку позичальника за кредитною карткою.

Оскільки ми ще не тренували модель, ви введете припущення щодо значень вектора параметрів params. Далі використайте matmul() для матричного множення features на params, щоб отримати прогнози billpred, які ви порівняєте з bill. Зверніть увагу, що ми вже імпортували matmul() і constant().

Ця вправа є частиною курсу

Вступ до TensorFlow на Python

Переглянути курс

Інструкції до вправи

  • Визначте features, params і bill як константи.
  • Обчисліть вектор прогнозів billpred, помноживши вхідні дані features на параметри params. Використайте матричне множення, а не покомпонентний добуток.
  • Визначте error як різницю: цілі bill мінус передбачені значення billpred.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# 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())
Редагувати та запускати код