Step 3: Train چالش 3 از جلسهی 28، متوسط
قدم سوم: با توابع آمادهی predict و step، مدل را روی دادهی نرمالشده ۲۰۰۰ قدم با lr = 0.1 آموزش بده. در آخر خطای میانگین مربع (روی قیمت تقسیم بر ۱۰۰) را گرد با ۳ رقم چاپ کن و بگو کدام ویژگی بزرگترین وزن را دارد. خروجی: error 0.004 و biggest weight: size.
Xn = [[0.0, 0.0, 0.13], [0.17, 0.33, 0.35], [0.33, 0.33, 0.04], [0.56, 0.67, 0.57],
[0.78, 0.67, 0.26], [1.0, 1.0, 0.78], [0.22, 0.33, 1.0], [0.44, 0.67, 0.0]]
y = [1.8, 2.1, 2.8, 3.0, 3.7, 4.0, 1.9, 3.3]
names = ["size", "rooms", "metro"]
def predict(x, w, b):
return sum(w[j] * x[j] for j in range(len(w))) + b
def step(X, y, w, b, lr):
n = len(X)
grads = [0.0] * len(w)
gb = 0.0
for i in range(n):
error = predict(X[i], w, b) - y[i]
for j in range(len(w)):
grads[j] += error * X[i][j]
gb += error
for j in range(len(w)):
w[j] = w[j] - lr * grads[j] / n
return w, b - lr * gb / n
def mse(X, y, w, b):
return sum((predict(X[i], w, b) - y[i]) ** 2 for i in range(len(X))) / len(X)
w = [0.0, 0.0, 0.0]
b = 0.0
# train 2000 steps with lr 0.1
# print the error and the name of the biggest weight
راهنما و جواب این چالش · برگشت به درس جلسهی 28: پروژه: پیشبینی قیمت · چالش بعدی: Step 4: Predict New Houses
بیشتر بخوان: تابع در پایتون: آموزش def، پارامتر و return با مثال