Temario Lección 39 de 246 · Módulo 3: De la neurona al MLP
Módulo 3: De la neurona al MLP

Una neurona predice un precio (regresión lineal)

Por qué importa La red neuronal más simple es una neurona sin activación. También es una herramienta clásica: la regresión lineal. Todo lo más grande se construye a partir de esto.

Cada casa son dos números: su tamaño y lo cerca que está del centro (los dos escalados entre 0 y 1). La neurona predice price = w1 * size + w2 * closeness + b. Para un lote entero: X @ w + b.

Números diminutos

Con w = (3, 1.5) y b = 0.5, una casa de tamaño 0.5 y cercanía 0.2 da 1.5 + 0.3 + 0.5 = 2.3, es decir, 230,000.

La pérdida es el error cuadrático medio del Módulo 1: la media de (predicción menos verdad) al cuadrado.

Regresión lineal: predecir un número como una suma ponderada de las entradas más un sesgo. Es una sola neurona sin activación.

Resumen Predice con X @ w + b; puntúa con el error cuadrático medio.

Palabras y símbolos de esta lección
neurona
w . x + b, y luego una activación
pesos (w, W), sesgo (b)
los números que aprende una neurona; el sesgo desplaza su salida
Tu turno

Escribe predict(X, w, b) y mse(pred, y). Luego pon a mano w_guess y b_guess (prueba unos cuantos valores e imprime la pérdida) para que la pérdida con los datos quede por debajo de 0.05.

¿Has visto un problema en esta lección? Avísanos · Preguntar sobre esta lección

Este ejercicio se abre pronto

Termina la lección anterior y esta se desbloquea. Todo el curso es gratis, no hace falta cuenta, y puedes leer esta lección ahora mismo.