Завдання: Реалізація Лінійної Регресії
Завдання
Swipe to start coding
Вам надано набір даних, що містить інформацію про кількість годин, які студенти витратили на навчання, та їх відповідні результати тестів. Ваше завдання — навчити модель лінійної регресії на цих даних.
- Перетворіть ці стовпці у тензори PyTorch та змініть їх форму так, щоб вони були двовимірними з розмірами
[N, 1]. - Визначте просту модель лінійної регресії.
- Використовуйте MSE як функцію втрат.
- Визначте
optimizerяк SGD зі швидкістю навчання0.01. - Навчіть модель лінійної регресії передбачати результати тестів на основі кількості годин навчання. На кожній епосі:
- Обчисліть передбачення для
X_tensor; - Обчисліть втрату;
- Скиньте градієнт;
- Виконайте зворотне поширення помилки;
- Оновіть параметри.
- Обчисліть передбачення для
- Отримайте параметри моделі (ваги та зсув).
Рішення
Все було зрозуміло?
Дякуємо за ваш відгук!
Секція 2. Розділ 4
single
Запитати АІ
Запитати АІ
Запитайте про що завгодно або спробуйте одне із запропонованих запитань, щоб почати наш чат
Awesome!
Completion rate improved to 5
Завдання: Реалізація Лінійної Регресії
Свайпніть щоб показати меню
Завдання
Swipe to start coding
Вам надано набір даних, що містить інформацію про кількість годин, які студенти витратили на навчання, та їх відповідні результати тестів. Ваше завдання — навчити модель лінійної регресії на цих даних.
- Перетворіть ці стовпці у тензори PyTorch та змініть їх форму так, щоб вони були двовимірними з розмірами
[N, 1]. - Визначте просту модель лінійної регресії.
- Використовуйте MSE як функцію втрат.
- Визначте
optimizerяк SGD зі швидкістю навчання0.01. - Навчіть модель лінійної регресії передбачати результати тестів на основі кількості годин навчання. На кожній епосі:
- Обчисліть передбачення для
X_tensor; - Обчисліть втрату;
- Скиньте градієнт;
- Виконайте зворотне поширення помилки;
- Оновіть параметри.
- Обчисліть передбачення для
- Отримайте параметри моделі (ваги та зсув).
Рішення
Все було зрозуміло?
Дякуємо за ваш відгук!
Секція 2. Розділ 4
single