Um neurônio prevê um preço (regressão linear)
Por que isso importa A rede neural mais simples é um neurônio sem ativação. É também uma ferramenta clássica: regressão linear. Tudo que é maior é construído a partir disso.
Cada casa tem dois números: seu tamanho e quão perto ela está da cidade (ambos escalonados entre 0 e 1). O neurônio prevê price = w1 * size + w2 * closeness + b. Para um lote inteiro: X @ w + b.
Números pequenos
Com w = (3, 1.5) e b = 0.5, uma casa com tamanho 0.5 e proximidade 0.2 recebe 1.5 + 0.3 + 0.5 = 2.3, o que significa 230,000.
A perda é o erro quadrático médio do Módulo 1: a média de (previsão menos verdade) ao quadrado.
Regressão linear: prever um número como uma soma ponderada de entradas mais um viés. É um único neurônio sem uma ativação.
Resumo Prever com X @ w + b; pontuar com mean squared error.
Palavras e símbolos nesta lição
- neuron
- w . x + b, depois uma ativação
- pesos (w, W), viés (b)
- os números que um neurônio aprende; o bias desloca sua saída
Escreva predict(X, w, b) e mse(pred, y). Depois, defina w_guess e b_guess manualmente (tente alguns valores e imprima a loss) para que a loss nos dados fique abaixo de 0.05.
Viu um problema nesta lição? Reporte-o · Pergunte sobre esta lição
Este exercício abre em breve
Termine a lição anterior para que esta seja desbloqueada. O curso inteiro é gratuito, não precisa de conta, e você pode ler esta lição agora mesmo.
Este navegador está bloqueando cookies para learn.floati.life, então as lições que você terminou aqui não podem abrir em ordem. Permita cookies para este site e recarregue.