Programma Les 20 van 246 · Module 1: Python voor deze cursus
Module 1: Python voor deze cursus

Mini project: pas een lijn aan door te schuiven

Waarom dit ertoe doet Dit is hoe elk neuraal netwerk leert, zonder de moeilijke woorden. Je doet het hier voordat het een naam heeft.

Sommige punten liggen ongeveer op een lijn y = slope * x + intercept, maar we weten de helling of de intercept niet. Begin met beide op 0. Meet hoe fout de lijn is: de error is het gemiddelde van (voorspelling minnens waarheid) in het kwadraat. Verplaats daarna een klein beetje.

Het nudging recept

  1. Probeer de helling iets hoger en iets lager. Houd degene die de fout verlaagt, als een van de twee dat doet.
  2. Doe hetzelfde voor de intercept.
  3. Herhaal. Als een duwtje niet helpt, maak het duwtje dan kleiner en stop wanneer het heel klein is.

De fout valt stap voor stap tot de lijn op de punten ligt. In Module 3 vervang je "try both directions" door een formule die je direct vertelt welke kant naar beneden gaat. Die formule is de gradiënt, en erlangs lopen wordt gradient descent genoemd. Wat je hier bouwt, waarbij je elke instelling om de beurt omhoog en omlaag probeert, heeft een eigen naam: coordinate search. Het is langzamer, maar het is hetzelfde idee van naar beneden lopen.

Mean squared error: het gemiddelde van elke fout in het kwadraat. Kwadrateren maakt elke fout positief en straft grote fouten harder.

Samenvatting Meet hoe fout je bent, duw een beetje, behoud wat helpt, herhaal.

Woorden en symbolen in deze les
gemiddelde, spreiding
het gemiddelde, en ongeveer hoe ver waarden ervan afwijken (standaarddeviatie)
Jij bent aan de beurt

Schrijf mse(slope, intercept, x, y) en fit_line(x, y). fit_line gebruikt het nudging recept: begin bij 0 en 0 met een nudge van 1.0, halveer de nudge telkens wanneer geen nudge helpt, stop wanneer de nudge onder 0.0001 is, en geef (slope, intercept) terug. De verborgen test controleert of de fout op nieuwe data dicht bij de best mogelijke is.

Een probleem ontdekt in deze les? Meld het · Vraag naar deze les

Deze oefening opent binnenkort

Maak de les ervoor af voordat deze wordt ontgrendeld. De hele cursus is gratis, geen account nodig, en je kunt deze les nu lezen.