Desafio: Implementando Regressão Linear
Swipe to start coding
Você recebe um conjunto de dados que contém informações sobre o número de horas estudadas pelos alunos e suas respectivas notas em testes. Sua tarefa é treinar um modelo de regressão linear com esses dados.
- Converta essas colunas em tensores PyTorch e redimensione-os para garantir que sejam 2D com formato
[N, 1]
. - Defina um modelo simples de regressão linear.
- Utilize MSE como função de perda.
- Defina o
optimizer
como SGD com taxa de aprendizado igual a0.01
. - Treine o modelo de regressão linear para prever as notas dos testes com base no número de horas estudadas. Em cada época:
- Calcule as previsões em
X_tensor
; - Calcule a perda;
- Reinicie o gradiente;
- Realize o backward pass;
- Atualize os parâmetros.
- Calcule as previsões em
- Acesse os parâmetros do modelo (pesos e viés).
Solução
Obrigado pelo seu feedback!
single
Pergunte à IA
Pergunte à IA
Pergunte o que quiser ou experimente uma das perguntas sugeridas para iniciar nosso bate-papo
Resumir este capítulo
Explicar o código em file
Explicar por que file não resolve a tarefa
Awesome!
Completion rate improved to 5
Desafio: Implementando Regressão Linear
Deslize para mostrar o menu
Swipe to start coding
Você recebe um conjunto de dados que contém informações sobre o número de horas estudadas pelos alunos e suas respectivas notas em testes. Sua tarefa é treinar um modelo de regressão linear com esses dados.
- Converta essas colunas em tensores PyTorch e redimensione-os para garantir que sejam 2D com formato
[N, 1]
. - Defina um modelo simples de regressão linear.
- Utilize MSE como função de perda.
- Defina o
optimizer
como SGD com taxa de aprendizado igual a0.01
. - Treine o modelo de regressão linear para prever as notas dos testes com base no número de horas estudadas. Em cada época:
- Calcule as previsões em
X_tensor
; - Calcule a perda;
- Reinicie o gradiente;
- Realize o backward pass;
- Atualize os parâmetros.
- Calcule as previsões em
- Acesse os parâmetros do modelo (pesos e viés).
Solução
Obrigado pelo seu feedback!
Awesome!
Completion rate improved to 5single