Desafío: Implementación de Regresión Lineal
Tarea
Swipe to start coding
Se proporciona un conjunto de datos que contiene información sobre el número de horas que los estudiantes estudiaron y sus respectivas calificaciones en los exámenes. Su tarea es entrenar un modelo de regresión lineal con estos datos.
- Convertir estas columnas en tensores de PyTorch y redimensionarlas para asegurarse de que sean 2D con formas
[N, 1]
. - Definir un modelo simple de regresión lineal.
- Utilizar MSE como función de pérdida.
- Definir el
optimizer
como SGD con una tasa de aprendizaje igual a0.01
. - Entrenar el modelo de regresión lineal para predecir las calificaciones en función del número de horas estudiadas. En cada época:
- Calcular las predicciones sobre
X_tensor
; - Calcular la pérdida;
- Reiniciar el gradiente;
- Realizar la retropropagación;
- Actualizar los parámetros.
- Calcular las predicciones sobre
- Acceder a los parámetros del modelo (pesos y sesgo).
Solución
¿Todo estuvo claro?
¡Gracias por tus comentarios!
Sección 2. Capítulo 4
single
Pregunte a AI
Pregunte a AI
Pregunte lo que quiera o pruebe una de las preguntas sugeridas para comenzar nuestra charla
Awesome!
Completion rate improved to 5
Desafío: Implementación de Regresión Lineal
Desliza para mostrar el menú
Tarea
Swipe to start coding
Se proporciona un conjunto de datos que contiene información sobre el número de horas que los estudiantes estudiaron y sus respectivas calificaciones en los exámenes. Su tarea es entrenar un modelo de regresión lineal con estos datos.
- Convertir estas columnas en tensores de PyTorch y redimensionarlas para asegurarse de que sean 2D con formas
[N, 1]
. - Definir un modelo simple de regresión lineal.
- Utilizar MSE como función de pérdida.
- Definir el
optimizer
como SGD con una tasa de aprendizaje igual a0.01
. - Entrenar el modelo de regresión lineal para predecir las calificaciones en función del número de horas estudiadas. En cada época:
- Calcular las predicciones sobre
X_tensor
; - Calcular la pérdida;
- Reiniciar el gradiente;
- Realizar la retropropagación;
- Actualizar los parámetros.
- Calcular las predicciones sobre
- Acceder a los parámetros del modelo (pesos y sesgo).
Solución
¿Todo estuvo claro?
¡Gracias por tus comentarios!
Awesome!
Completion rate improved to 5Sección 2. Capítulo 4
single