एक neuron एक क़ीमत का अनुमान लगाता है (linear regression)
यह क्यों मायने रखता है सबसे सरल neural network बिना activation का एक neuron है। यह एक क्लासिक औज़ार भी है: linear regression। इससे बड़ी हर चीज़ इसी से बनी है।
हर घर दो संख्याएँ है: उसका आकार और वह शहर के कितने पास है (दोनों 0 और 1 के बीच scale किए)। neuron price = w1 * size + w2 * closeness + b का अनुमान लगाता है। एक पूरे batch के लिए: X @ w + b।
छोटी संख्याएँ
w = (3, 1.5) और b = 0.5 के साथ, आकार 0.5 और निकटता 0.2 वाले एक घर को 1.5 + 0.3 + 0.5 = 2.3 मिलता है, यानी 230,000।
loss Module 1 का mean squared error है: (अनुमान घटा सच) के वर्ग का औसत।
Linear regression: एक संख्या का अनुमान inputs के एक भारित जोड़ जमा एक bias के रूप में लगाना। यह बिना activation का एक अकेला neuron है।
सार X @ w + b से अनुमान लगाएँ; mean squared error से अंक दें।
इस पाठ के शब्द और चिह्न
- neuron
- w . x + b, फिर एक activation
- weights (w, W), bias (b)
- वे संख्याएँ जो एक neuron सीखता है; bias उसका output खिसकाता है
predict(X, w, b) और mse(pred, y) लिखें। फिर w_guess और b_guess हाथ से सेट करें (कुछ मान आज़माएँ और loss print करें) ताकि data पर loss 0.05 से नीचे हो।
इस पाठ में कोई समस्या दिखी? बताएँ · इस पाठ के बारे में पूछें
यह अभ्यास जल्द खुलेगा
इससे पहले वाला पाठ पूरा करें और यह खुल जाएगा। पूरा कोर्स मुफ़्त है, कोई खाता नहीं चाहिए, और आप यह पाठ अभी पढ़ सकते हैं।
यह ब्राउज़र learn.floati.life के लिए कुकी रोक रहा है, इसलिए यहाँ पूरे किए गए पाठ क्रम से नहीं खुल सकते। इस साइट के लिए कुकी की अनुमति दें और फिर से लोड करें।