Programme Leçon 39 sur 246 · Module 3 : Du neurone au MLP
Module 3 : Du neurone au MLP

Un neurone prédit un prix (régression linéaire)

Pourquoi c'est important Le réseau de neurones le plus simple, c'est un neurone sans activation. C'est aussi un outil classique : la régression linéaire. Tout ce qui est plus grand est construit à partir de ça.

Chaque maison, ce sont deux nombres : sa surface et sa proximité de la ville (tous deux ramenés entre 0 et 1). Le neurone prédit price = w1 * size + w2 * closeness + b. Pour tout un lot : X @ w + b.

De tout petits nombres

Avec w = (3, 1.5) et b = 0.5, une maison de surface 0.5 et de proximité 0.2 obtient 1.5 + 0.3 + 0.5 = 2.3, soit 230 000.

La perte est l'erreur quadratique moyenne du module 1 : la moyenne de (prédiction moins vérité) au carré.

Régression linéaire : prédire un nombre comme une somme pondérée des entrées plus un biais. C'est un seul neurone sans activation.

Récap Prédis avec X @ w + b ; note avec l'erreur quadratique moyenne.

Mots et symboles de cette leçon
neurone
w . x + b, puis une activation
poids (w, W), biais (b)
les nombres qu'un neurone apprend ; le biais décale sa sortie
À ton tour

Écris predict(X, w, b) et mse(pred, y). Puis fixe w_guess et b_guess à la main (essaie quelques valeurs et affiche la perte) pour que la perte sur les données soit inférieure à 0.05.

Tu as repéré un problème dans cette leçon ? Signale-le · Pose une question sur cette leçon

Cet exercice s'ouvre bientôt

Termine la leçon précédente pour débloquer celle-ci. Tout le cours est gratuit, aucun compte n'est requis, et tu peux lire cette leçon dès maintenant.