Skip to content

Progragor1/Laba

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 

History

21 Commits
 
 
 
 

Repository files navigation

АНАЛИЗ ДАННЫХ И ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ [in GameDev]

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.

N|Solid

Build Status

Цель работы

Ознакомиться с основными операторами зыка Python на примере реализации линейной регрессии.

Задание 1

-Сохранить документ google.colab на свой диск с запуском программы, выводящей сообщение "Hello World". Привести скриншоты

0VoEdD7CXTY

eBVLzJWXyyw

-Привести скриншоты вывода сообщение "Hello World" в консоли Unity.

jl2s2r8p6r0

eqo50jn3oNA

Задание 2

Пошагово выполнить каждый пункт раздела "ход работы" с описанием и примерами реализации задач:

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.

1

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.

2

3. Начать итерацию

  • Шаг 1 Инициализация и модель итеративной оптимизации

3

  • Шаг 2 На второй итерации отображаются значения параметров, значения потерь и эффекты визуализации после итерации

C_5DcEPkQPU

  • Шаг 3 Третья итерация показывает значения параметров, значения потерь и эффекты визуализации после итерации

0I4VtDCECAs

  • Шаг 4 На четвертой итерации отображаются значения параметров, значения потерь и эффекты визуализации после итерации

8IV7IrOgePU

  • Шаг 5 Пятая итерация показывает значения параметров, значения потерь и эффекты визуализации после итерации

tVnb1ky28Sc

  • Шаг 6 10000-я итерация, показывающая значения параметров, потери и визуализацию после итерации

9XsFFSWPFiI

Задание 3

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:

ydybB4t1vGs

И даже может быть близка к нулю:

5DwhrwQIca8

Но, если исходные данные будут сильно отличаться друг от друга, то потеря будет увеличиваться.

g8anFKDD5t4

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:

GoBqAdbDIX4

А если параметр Lr будет слишком маленьким, то данные будут некорректные:

GL-pQMui38Q

Выводы

В результате работы:

  • 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]

Powered by

BigDigital Team: Denisov | Fadeev | Panov

About

Лабораторная работа

Resources

Stars

Watchers

Forks

Releases

No releases published

Packages

No packages published