用矩阵乘法进行预测
在后续章节中，您将学习如何训练线性回归模型。这个过程会得到一个参数向量，可与输入数据相乘以生成预测。在本练习中，您将使用输入数据 features 和目标向量 bill，它们来自本课程稍后将使用的信用卡数据集。
$features = \begin{bmatrix} 2 & 24 \\ 2 & 26 \\ 2 & 57 \\ 1 & 37 \end{bmatrix}$， $bill = \begin{bmatrix} 3913 \\ 2682 \\ 8617 \\ 64400 \end{bmatrix}$， \(params = \begin{bmatrix} 1000 \\ 150 \end{bmatrix}\)
输入数据矩阵 features 包含 2 列：教育程度和年龄。目标向量 bill 是信用卡借款人的账单金额。
由于我们尚未训练模型，您需要为参数向量 params 的取值给出一个猜测。然后使用 matmul() 进行 features 与 params 的矩阵乘法，生成预测值 billpred，并与 bill 进行比较。请注意，我们已经导入了 matmul() 和 constant()。
本练习是课程的一部分
Python 中的 TensorFlow 入门
练习说明
- 将
features、params和bill定义为常量。 - 通过将输入数据
features与参数params相乘来计算预测值向量billpred。请使用矩阵乘法，而不是按元素相乘。 - 将
error定义为目标值bill减去预测值billpred。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# 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())