Программа курса Урок 20 из 246 · Модуль 1: Python для этого курса
Модуль 1: Python для этого курса

Мини-проект: подгонка прямой подталкиванием

Почему это важно Так учится каждая нейронная сеть, если убрать мудрёные слова. Вы сделаете это здесь, прежде чем у этого появится название.

Несколько точек лежат примерно на прямой y = slope * x + intercept, но мы не знаем ни наклона, ни свободного члена. Начните с обоих равных 0. Измерьте, насколько прямая ошибается: ошибка - среднее (предсказание минус правда) в квадрате. Затем подталкивайте.

Рецепт подталкивания

  1. Попробуйте наклон чуть больше и чуть меньше. Оставьте тот, что уменьшает ошибку, если таковой есть.
  2. Сделайте то же для свободного члена.
  3. Повторяйте. Если ни одно подталкивание не помогает, уменьшите подталкивание и остановитесь, когда оно станет крошечным.

Ошибка падает шаг за шагом, пока прямая не ляжет на точки. В модуле 3 вы замените "попробовать оба направления" формулой, которая сразу говорит, куда идёт спуск. Эта формула - градиент, а движение по нему называется градиентным спуском. То, что вы строите здесь, пробуя каждую настройку вверх и вниз по очереди, имеет собственное название: покоординатный поиск. Он медленнее, но это та же идея спуска.

Среднеквадратичная ошибка: среднее квадратов всех ошибок. Возведение в квадрат делает каждую ошибку положительной и сильнее наказывает большие.

Итоги Измерьте, насколько вы ошибаетесь, подтолкните, оставьте то, что помогает, повторите.

Слова и символы этого урока
среднее, разброс
среднее значение и примерно то, насколько далеко от него лежат значения (стандартное отклонение)
Твоя очередь

Напишите mse(slope, intercept, x, y) и fit_line(x, y). fit_line использует рецепт подталкивания: начните с 0 и 0 с подталкиванием 1.0, уменьшайте подталкивание вдвое, когда ни одно не помогает, остановитесь, когда подталкивание меньше 0.0001, и верните (slope, intercept). Скрытый тест проверяет, что ошибка на новых данных близка к наилучшей возможной.

Заметили проблему в этом уроке? Сообщите о ней · Спросить об этом уроке

Это упражнение откроется скоро

Закончи предыдущий урок, чтобы открылся этот. Весь курс бесплатный, аккаунт не нужен, и ты можешь прочитать этот урок прямо сейчас.