Satu neuron memprediksi harga (linear regression)
Kenapa ini penting Jaringan saraf paling sederhana adalah satu neuron tanpa aktivasi. Ini juga alat klasik: regresi linear. Segala sesuatu yang lebih besar dibangun dari ini.
Setiap rumah punya dua angka: ukurannya dan seberapa dekat ke kota (keduanya diskalakan antara 0 dan 1). Neuron memprediksi price = w1 * size + w2 * closeness + b. Untuk seluruh batch: X @ w + b.
Angka kecil
Dengan w = (3, 1.5) dan b = 0.5, rumah dengan ukuran 0.5 dan kedekatan 0.2 mendapat 1.5 + 0.3 + 0.5 = 2.3, artinya 230,000.
Loss adalah mean squared error dari Module 1: rata-rata dari (prediction dikurangi truth) kuadrat.
Regresi linear: memprediksi angka sebagai jumlah berbobot dari input ditambah bias. Ini adalah satu neuron tanpa aktivasi.
Ringkasan Prediksi dengan X @ w + b; hitung skor dengan mean squared error.
Kata dan simbol di pelajaran ini
- neuron
- w . x + b, lalu sebuah activation
- bobot (w, W), bias (b)
- angka yang dipelajari neuron; bias menggeser outputnya
Tulis predict(X, w, b) dan mse(pred, y). Lalu atur w_guess dan b_guess secara manual (coba beberapa nilai dan cetak loss) supaya loss pada data di bawah 0.05.
Ada masalah di pelajaran ini? Laporkan · Tanya tentang pelajaran ini
Latihan ini akan segera dibuka
Selesaikan pelajaran sebelumnya agar pelajaran ini terbuka. Seluruh kursus ini gratis, tidak butuh akun, dan kamu bisa baca pelajaran ini sekarang.
Browser ini memblokir cookie untuk learn.floati.life, jadi pelajaran yang sudah kamu selesaikan di sini tidak bisa dibuka berurutan. Izinkan cookie untuk situs ini dan muat ulang.