Вступ до машинного навчання
На цьому уроці розберемо сфери використання AI/ML, які бувають спеціальності в цьому напрямку. Також розглянемо технології та середовище, в якому працюватимемо.
Код і результати
Опублікована версія після Merge. Результати збережені автором; код на цій сторінці не запускається.
Python · 1
# Градієнтний спуск
# Відображає принцип застосування градієнтного спуску на основі
# вигаданих даних з продажу морозива
#(де кількість проданого морозива залежить від навколишньої теператури)
x, y = 30, 60 # 30 градусів, продали 60 морозив
w = 0.5 # стартова "ручка" дані наведені для прикладу
lr = 0.0005 # розмір кроку дані наведені для прикладу
for step in range(1, 6):
pred = w * x # 1. вгадали
error = pred - y # 2. порахували помилку
print(f"Спроба {step}: w={w:.4f}, прогноз={pred:.2f}, помилка={error:.2f}")
w -= lr * 2 * error * x # 3. виправились (крок вниз по гірці)Результат, збережений автором у Colab
Спроба 1: w=0.5000, прогноз=15.00, помилка=-45.00 Спроба 2: w=1.8500, прогноз=55.50, помилка=-4.50 Спроба 3: w=1.9850, прогноз=59.55, помилка=-0.45 Спроба 4: w=1.9985, прогноз=59.95, помилка=-0.05 Спроба 5: w=1.9998, прогноз=60.00, помилка=-0.00
Рев’ю спільноти
Правка зроблена. Реалізація затверджена