[AI Tech] 3주차 15-3차시 프로젝트 6

15-3. 프로젝트 6

[프로젝트 6] 경사하강법 - numpy활용

1. 목표

v 경사하강법을 위한 데이터 분리

v 경사하강법 구현을 위한 train, weight, bias 정리

v 경사하강법 구현

 

2. 코드구현

1. 코드 구현: 경사하강법을 위한 데이터 분리

import numpy as np

xy = np.array([[1., 2., 3., 4., 5., 6.],
              [10., 20., 30., 40., 50., 60.]])

## 코드시작 ##

x_train = ...    # ... 에 알맞은 코드를 작성해보세요.

y_train = ...    # ... 에 알맞은 코드를 작성해보세요.


## 코드종료 ##

print(x_train, x_train.shape)
print(y_train, y_train.shape)

 

각 출력은 다음과 같이 나와야 합니다.

코드1 결과

정답

import numpy as np

xy = np.array([[1., 2., 3., 4., 5., 6.],
              [10., 20., 30., 40., 50., 60.]])

## 코드시작 ##

x_train = xy[0,:]    # ... 에 알맞은 코드를 작성해보세요.

y_train = xy[1,:]    # ... 에 알맞은 코드를 작성해보세요.


## 코드종료 ##

print(x_train, x_train.shape)
print(y_train, y_train.shape)

 

2. 코드 구현: train, weight, bias 정리

## 코드시작 ##




## 코드종료 ##

print(beta_gd, bias)

각 출력의 결과는 다음과 같습니다.(NumPy의 Random을 사용할 것이기 때문에 숫자는 다를 수 있다.)

정답

## 코드시작 ##
[beta_gd, bias] = np.random.rand(2,1)

## 코드종료 ##

print(beta_gd, bias)

 

3. 코드 구현: 경사하강법 구현

 

learning_rate = 0.001

## 코드시작 ##
for i in range(1000):







## 코드종료 ##

출력의 결과는 다음과 같이 나와야 합니다.

정답

learning_rate = 0.001


## 코드시작 ##
for i in range(1000):
  pred = beta_gd * x_train + bias
  cost = ((y_train - pred)**2).mean()
  beta_gd = beta_gd - learning_rate * ((pred - y_train) * x_train).mean()
  bias = bias - learning_rate * (pred - y_train).mean()

  ## 100회마다 출력 ##
  if(i % 100 == 0):
    print("Epoch (        {:>3}/1000) cost:   {:0.6f}, w:   {:0.6f}, b:   {:0.6f}".format(i,cost,beta_gd,bias))


## 코드종료 ##

reference

: https://blockdmask.tistory.com/424

[python] 파이썬 format 함수 (문자열 포매팅 방법 1)

: https://2naff.tistory.com/3

[머신러닝] 경사하강법이란? with Python For Loop

 

 

 

 

 

 

© NAVER Connect Foundation. All Rights Reserved