بتل کد Battle Codeدارد باز می‌شود…

Try Several Rates چالش 4 از جلسه‌ی 26، متوسط

برای هر نرخ در [0.001, 0.01, 0.1, 0.5] مدل را ۵۰ قدم اجرا کن و یک خط چاپ کن: نرخ، یک فاصله، و خطای آخر گرد با ۳ رقم؛ ولی اگر خطای آخر از 1000 بیشتر بود به جای عدد بنویس exploded. خروجی چهار خط: 0.001 17.734، 0.01 0.019، 0.1 0.003، 0.5 exploded.

X = [1, 2, 3, 4]
y = [3, 5, 7, 9]


def run(lr, steps):
    w = b = 0.0
    history = []
    for s in range(steps):
        gw = sum((w * X[i] + b - y[i]) * X[i] for i in range(len(X))) / len(X)
        gb = sum((w * X[i] + b - y[i]) for i in range(len(X))) / len(X)
        w = w - lr * gw
        b = b - lr * gb
        history.append(sum((w * X[i] + b - y[i]) ** 2 for i in range(len(X))) / len(X))
    return history


for lr in [0.001, 0.01, 0.1, 0.5]:
    last = run(lr, 50)[-1]
    # print the line

راهنما و جواب این چالش · برگشت به درس جلسه‌ی 26: نرخ یادگیری · چالش بعدی: Auto-Halving Rate

بیشتر بخوان: تابع در پایتون: آموزش def، پارامتر و return با مثال