تتنبأ عصبونة واحدة بسعر (linear regression)
لماذا هذا مهم أبسط شبكة عصبية هي عصبون واحد بدون تفعيل. وهي أيضاً أداة كلاسيكية: linear regression. كل شيء أكبر يُبنى من هذا.
كل منزل يتكون من رقمين: حجمه ومدى قربه من المدينة (كلاهما مقاس بين 0 و 1). يتنبأ الـ neuron بـ price = w1 * size + w2 * closeness + b. بالنسبة لمجموعة كاملة: X @ w + b.
أرقام صغيرة
مع w = (3, 1.5) و b = 0.5، يحصل منزل بمساحة 0.5 وقرب 0.2 على 1.5 + 0.3 + 0.5 = 2.3، مما يعني 230,000.
الخسارة هي متوسط مربع الخطأ من Module 1: متوسط (prediction ناقص truth) المربع.
الانحدار الخطي: التنبؤ برقم كمجموع موزون للمدخلات بالإضافة إلى انحياز. إنه عصبون واحد بدون تفعيل.
ملخصتنبؤ باستخدام X @ w + b؛ حساب النتيجة باستخدام mean squared error.
الكلمات والرموز في هذا الدرس
- neuron
- w . x + b، ثم تفعيل
- الأوزان (w, W)، الانحياز (b)
- الأرقام التي يتعلمها العصبون؛ يغير bias مخرجاته
اكتب predict(X, w, b) و mse(pred, y). ثم قم بتعيين w_guess و b_guess يدويا (جرب بعض القيم واطبع الـ loss) بحيث يكون الـ loss على البيانات أقل من 0.05.
سيفتح هذا التمرين قريبا
أنهِ الدرس السابق ليفتح هذا الدرس. الدورة كاملة مجانية، ولا تحتاج إلى حساب، ويمكنك قراءة هذا الدرس الآن.
يقوم هذا المتصفح بحظر ملفات تعريف الارتباط لـ learn.floati.life، لذا لا يمكن فتح الدروس التي أنهيتها هنا بالترتيب. اسمح بملفات تعريف الارتباط لهذا الموقع وأعد التحميل.