JF
Size: a a a
2021 January 04
JF
Что мне делать с данными после градиента?
JF
Вот типа
JF
def gradient_descent(m_now, b_now, L):
m_gradient = 0
b_gradient = 0
n = float(395)
for i in range(395):
X = df[["age", "traveltime", "studytime", "failures", "G1", "G2"]].to_numpy()
Y = df[["G3"]].to_numpy()
m_gradient += -(2/n) * X * (Y - (m_now * X + b_now))
b_gradient += -(2/n) * (Y - (m_now * X + b_now))
m = m_now - L * m_gradient
b = b_now - L * b_gradient
return [m, b]JF
@Akiriwe Может Наташа шарит
NM
Насколько я помню, это для корректировки полученного результата
👑️
Фу питон
NM
Например, если нейросеть была близка, то вознаградить ее за это, а если далеко, то наказать
NM
И чем ближе она была к правде, тем больше очков дать
Это если примитивно
Это если примитивно
JF
Окей
JF
А как мне предсказать?
JF
Что мне делать с этими данными
👑️
😁😁
JF
Вот мне сейчас совсем не смешно
👑️
Так читай об этом больше
👑️
Меня хватало только на классическую
I
хехе
👑️
Весы в нейронах
JF
У МЕНЯ ЗАВТРА ЭКЗАМЕН
I
такой забавный