用矩陣乘法進行預測
在後續章節，你會學到如何訓練線性迴歸模型。這個過程會得到一個參數向量，將它與輸入資料相乘即可產生預測。在本練習中，你會使用輸入資料 features 和目標向量 bill，它們來自本課程稍後會用到的信用卡資料集。
\(features = \begin{bmatrix} 2 & 24 \\ 2 & 26 \\ 2 & 57 \\ 1 & 37 \end{bmatrix}\), \(bill = \begin{bmatrix} 3913 \\ 2682 \\ 8617 \\ 64400 \end{bmatrix}\), \(params = \begin{bmatrix} 1000 \\ 150 \end{bmatrix}\)
輸入資料矩陣 features 有兩個欄位：教育程度與年齡。目標向量 bill 表示信用卡借款人的帳單金額大小。
由於我們尚未訓練模型，你會先替參數向量 params 輸入一組猜測值。接著使用 matmul()，將 features 與 params 做矩陣乘法，產生預測值 billpred，並與 bill 比較。注意我們已匯入 matmul() 與 constant()。
本練習屬於課程
Python 的 TensorFlow 入門
練習說明
- 將
features、params和bill定義為常數。 - 以矩陣乘法計算預測向量
billpred：用輸入資料features乘上參數params。務必使用矩陣乘法，而非元素相乘。 - 將
error定義為目標bill減去預測值billpred。
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。
# 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())