Отчет по лабораторной работе #1 выполнил:
- Султанов Егор Альбертович
- РИ-210948
Отметка о выполнении заданий:
Задание | Выполнение | Баллы |
---|---|---|
Задание 1 | * | 60 |
Задание 2 | * | 20 |
Задание 3 | * | 20 |
знак "*" - задание выполнено; знак "#" - задание не выполнено;
Работу проверили:
- к.т.н., доцент Денисов Д.В.
- к.э.н., доцент Панов М.А.
- ст. преп., Фадеев В.О.
Ознакомиться с основными операторами зыка Python на примере реализации линейной регрессии.
-Сохранить документ google.colab на свой диск с запуском программы, выводящей сообщение "Hello World". Привести скриншоты
1. Произвести подготовку данных для работы с алгоритмом линейной регрессии. 10 видов данных были установлены случайным образом, и данные находились в линейной зависимости. Данные преобразуются в формат массива, чтобы их можно было вычислить напрямую при использовании умножения и сложения.
2. Определите связанные функции. Функция модели: определет модель линейной регрессии wx+b. Функция потерь: функция потерь среднеквадратичной ошибки. Функция оптимизации: метод градиентного спуска для нахождения частных производных w и b.
- Шаг 1 Инициализация и модель итеративной оптимизации
- Шаг 2 На второй итерации отображаются значения параметров, значения потерь и эффекты визуализации после итерации
- Шаг 3 Третья итерация показывает значения параметров, значения потерь и эффекты визуализации после итерации
- Шаг 4 На четвертой итерации отображаются значения параметров, значения потерь и эффекты визуализации после итерации
- Шаг 5 Пятая итерация показывает значения параметров, значения потерь и эффекты визуализации после итерации
- Шаг 6 10000-я итерация, показывающая значения параметров, потери и визуализацию после итерации
Должна ли величина loss стремиться к нулю при изменении исходных данных? Ответьте на вопрос, приведите пример выполнения кода, который подтверждает ваш ответ.
Величина loss отвечает за потерю. Если данные исходные данные будут близки друг к другу, то потеря будет меньше, следовательно, loss будет стремиться к нулю:
Таким образом, величина loss не должна стремиться к нулю при изменении исходных данных, но она может это делать.
Какова роль параметра Lr? Ответьте на вопрос, приведите пример выполнения кода, который подтверждает ваш ответ. В качестве эксперимента можете изменить значение параметра.
Параметр Lr играет роль коэфициента отклонения. Если он будет слишком большим, программа работать не будет, и вот тому пример:
- освежил знания работы в Python
- поработал в среде разработки Unity
- написал простейший код на языке C# и Python
- проанализировал величину loss
- узнал роль параметра Lr
Plugin | README |
---|---|
Dropbox | [plugins/dropbox/README.md][PlDb] |
GitHub | [plugins/github/README.md][PlGh] |
Google Drive | [plugins/googledrive/README.md][PlGd] |
OneDrive | [plugins/onedrive/README.md][PlOd] |
Medium | [plugins/medium/README.md][PlMe] |
Google Analytics | [plugins/googleanalytics/README.md][PlGa] |
BigDigital Team: Denisov | Fadeev | Panov