對權重進行多次更新

你現在要進行多次更新，藉此大幅改善模型的權重，並觀察每次更新後預測如何進步。

為了讓程式碼更乾淨，已預先載入 get_slope() 函式，它接受 input_data、target 與 weights 作為引數。另外也有 get_mse() 函式，接受相同的引數。input_data、target 與 weights 都已預先載入。

這個網路沒有任何隱藏層，會直接從輸入（含 3 個節點）連到輸出節點。請注意，weights 是單一陣列。

我們也已預先載入 matplotlib.pyplot，在你完成梯度下降步驟後，會將錯誤歷程繪圖顯示。

本練習屬於課程

Python 深度學習入門

檢視課程

練習說明

使用 for 迴圈反覆更新權重：
- 使用 get_slope() 函式計算斜率。
- 使用學習率 0.01 更新權重。
- 使用 get_mse() 函式，以更新後的權重計算均方誤差（mse）。
- 將 mse 加入 mse_hist。
按下「送出答案」以視覺化 mse_hist。你觀察到什麼趨勢？

動手互動練習

試著完成這個範例程式碼，體驗一下這個練習。

n_updates = 20
mse_hist = []

# Iterate over the number of updates
for i in range(n_updates):
    # Calculate the slope: slope
    slope = ____(____, ____, ____)
    
    # Update the weights: weights
    weights = ____ - ____ * ____
    
    # Calculate mse with new weights: mse
    mse = ____(____, ____, ____)
    
    # Append the mse to mse_hist
    ____

# Plot the mse history
plt.plot(mse_hist)
plt.xlabel('Iterations')
plt.ylabel('Mean Squared Error')
plt.show()

編輯並執行程式碼