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
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.
Este navegador está bloqueando las cookies de learn.floati.life, así que las lecciones que terminaste aquí no se pueden abrir en orden. Permite las cookies de este sitio y recarga.