Un neurone prevede un prezzo (regressione lineare)
Perché è importante La rete neurale più semplice è un neurone senza attivazione. È anche uno strumento classico: la regressione lineare. Tutto ciò che è più grande è costruito da qui.
Ogni casa è due numeri: la sua superficie e quanto è vicina al centro (entrambi scalati tra 0 e 1). Il neurone prevede price = w1 * size + w2 * closeness + b. Per un intero batch: X @ w + b.
Numeri piccolissimi
Con w = (3, 1.5) e b = 0.5, una casa con superficie 0.5 e vicinanza 0.2 ottiene 1.5 + 0.3 + 0.5 = 2.3, cioè 230,000.
La loss è l'errore quadratico medio del Modulo 1: la media di (previsione meno verità) al quadrato.
Regressione lineare: prevedere un numero come somma pesata degli input più un bias. È un singolo neurone senza attivazione.
Riepilogo Prevedi con X @ w + b; valuta con l'errore quadratico medio.
Parole e simboli di questa lezione
- neurone
- w . x + b, poi un'attivazione
- pesi (w, W), bias (b)
- i numeri che un neurone impara; il bias sposta il suo output
Scrivi predict(X, w, b) e mse(pred, y). Poi imposta w_guess e b_guess a mano (prova qualche valore e stampa la loss) in modo che la loss sui dati sia sotto 0.05.
Hai notato un problema in questa lezione? Segnalalo · Chiedi qualcosa su questa lezione
Questo esercizio si apre presto
Finisci la lezione precedente e questa si sblocca. L'intero corso è gratuito, senza account, e puoi leggere questa lezione subito.
Questo browser blocca i cookie per learn.floati.life, quindi le lezioni che hai finito qui non si possono aprire in ordine. Consenti i cookie per questo sito e ricarica.