بتل کد Battle Codeدارد باز می‌شود…

جواب «Step 3: Train» چالش 3 از جلسه‌ی 28

سؤال

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.

راهنما

for i in range(2000): w, b = step(Xn, y, w, b, 0.1). بزرگ‌ترین وزن: names[w.index(max(w))].

یک جواب درست

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
for i in range(2000):
    w, b = step(Xn, y, w, b, 0.1)
print("error", round(mse(Xn, y, w, b), 3))
print("biggest weight:", names[w.index(max(w))])

اول خودت امتحان کن؛ جواب‌های دیگر هم قبول است. برگرد و خودت حلش کن