|
교양 과목 과제인데 lr을 줄이는거 외에 loss값을 줄이는 방법을 모르겠습니다 도와주세요.
import numpy as np
# 입력 데이터 (키(cm), 몸무게(kg))
X = np.array([170, 175, 180, 165, 160, 185])
y = np.array([68, 75, 80, 55, 50, 90])
# 모델 파라미터 초기화 (w: 가중치, b: 절편)
w = 0.0
b = 0.0
# 학습률(learning rate) 설정
#학습률이 너무 크면 곡선의 최저점을 이탈하고 학습률이 너무 작으면 학습 시간이
#오래 걸리므로 적절한 값으로 변경해줍니다.
lr = 0.0000001
# 예측 함수 정의
def predict(x):
y_pred = w*x + b
return y_pred
# 손실 함수 정의 (평균 제곱 오차)
def mse_loss(y_true, y_pred):
mse = np.mean((y_true - y_pred)**2)
return mse
# 경사 하강법(Gradient Descent)을 사용하여 손실 함수 최소화
def train(X, y, w, b, lr, epochs):
for epoch in range(epochs):
# 예측 값 계산
y_pred = predict(X)
# 손실 함수 계산
loss = mse_loss(y, y_pred)
# 가중치(w)와 절편(b) 업데이트
grad_w = np.mean((y_pred - y)*X)
grad_b = np.mean(y_pred - y)
w = w - lr*grad_w
b = b - lr*grad_b
# 로그 출력
if epoch % 100 == 0:
print("Epoch %d: loss=%.4f, w=%.4f, b=%.4f" % (epoch, loss, w, b))
return w, b
# 학습 실행
w, b = train(X, y, w, b, lr, epochs=1000) | 
등록안내
(챗gpt가 이런거 오류 잘 잡아준다는 글 보긴 했네요)