Một nơ-ron dự đoán một mức giá (hồi quy tuyến tính)
Vì sao điều này quan trọng Mạng nơ-ron đơn giản nhất là một nơ-ron không có hàm kích hoạt. Nó cũng là một công cụ kinh điển: hồi quy tuyến tính. Mọi thứ lớn hơn đều được dựng từ cái này.
Mỗi ngôi nhà là hai con số: diện tích của nó và nó gần trung tâm tới đâu (cả hai được co giãn về khoảng 0 tới 1). Nơ-ron dự đoán price = w1 * size + w2 * closeness + b. Cho cả một batch: X @ w + b.
Những con số nhỏ xíu
Với w = (3, 1.5) và b = 0.5, một ngôi nhà có diện tích 0.5 và độ gần 0.2 được 1.5 + 0.3 + 0.5 = 2.3, nghĩa là 230.000.
Giá trị mất mát là sai số bình phương trung bình từ Mô-đun 1: trung bình của (dự đoán trừ sự thật) bình phương.
Hồi quy tuyến tính (linear regression): dự đoán một con số dưới dạng tổng có trọng số của các đầu vào cộng một độ lệch. Nó là một nơ-ron duy nhất không có hàm kích hoạt.
Tóm tắt Dự đoán bằng X @ w + b; chấm điểm bằng sai số bình phương trung bình.
Từ và ký hiệu trong bài học này
- nơ-ron
- w . x + b, rồi một hàm kích hoạt
- trọng số (w, W), độ lệch (b)
- các con số mà một nơ-ron học; độ lệch dời đầu ra của nó
Viết predict(X, w, b) và mse(pred, y). Rồi tự tay đặt w_guess và b_guess (thử vài giá trị và in giá trị mất mát) để giá trị mất mát trên dữ liệu dưới 0.05.
Bạn thấy vấn đề gì trong bài học này? Hãy báo cáo nó · Hỏi về bài học này
Bài tập này sẽ sớm mở.
Hoàn thành bài học trước đó để mở khóa bài này. Toàn bộ khóa học là miễn phí, không cần tài khoản, và bạn có thể đọc bài học này ngay bây giờ.
Trình duyệt này đang chặn cookie cho learn.floati.life, nên các bài học bạn đã hoàn thành tại đây không thể mở theo thứ tự. Hãy cho phép cookie cho trang web này và tải lại trang.