ПочатиПочніть безкоштовно

Налаштуйте лінійну регресію

Одновимірна лінійна регресія визначає зв'язок між однією ознакою та цільовим тензором. У цій вправі ми використаємо площу ділянки та ціну об'єкта нерухомості. Як і в відео, ми візьмемо натуральні логарифми обох тензорів, які доступні як price_log і size_log.

У цій вправі ви визначите модель і функцію втрат. Потім ви обчислите значення функції втрат для двох різних значень intercept і slope. Пам'ятайте, що передбачені значення задаються як intercept + features*slope. Також зверніть увагу, що для вас доступна keras.losses.mse(). Крім того, slope і intercept уже визначені як змінні.

Ця вправа є частиною курсу

Вступ до TensorFlow на Python

Переглянути курс

Інструкції до вправи

  • Визначте функцію, яка повертає передбачені значення для лінійної регресії, використовуючи intercept, features і slope, без використання add() або multiply().
  • Доповніть loss_function(), додавши змінні моделі intercept і slope як аргументи.
  • Обчисліть середньоквадратичну помилку, використовуючи targets і predictions.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# 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())
Редагувати та запускати код