, существует файл с именем 2nd_grade_reгрессия_MISO_TO_DO. В этом
файле вам поручено реализовать модель линейной регрессии 2-й степени для проблемы с несколькими входами и одним выходом (MISO). Цель состоит в том, чтобы смоделировать взаимосвязь между двумя входными
переменными и одной выходной переменной с помощью полиномиальной регрессии.
Разбивка задач:
Реализация градиента Спуск
o Заполните недостающие части кода (обозначенные комментариями), чтобы реализовать
алгоритм градиентного спуска.
o Цель состоит в том, чтобы оптимизировать веса модели и минимизировать функцию стоимости для
достичь наилучшего соответствия.
o Обеспечьте сходимость, используя критерий остановки, основанный на изменении функции стоимости
.
Построение графика
o код построения уже написан в блокноте. После обучения
модели в разделе построения графиков отобразятся:
▪ 3D-график, показывающий взаимосвязь между входными и выходными данными.
▪ Виды сбоку и спереди, чтобы показать поведение кривой регрессии вдоль оси.
▪ Убедитесь, что на графиках правильно показаны точки данных, наложенные на
прогнозированную поверхность модели
, существует файл с именем 2nd_grade_reгрессия_MISO_TO_DO. В этом файле вам поручено реализовать модель линейной регрессии 2-й степени для проблемы с несколькими входами и одним выходом (MISO). Цель состоит в том, чтобы смоделировать взаимосвязь между двумя входными переменными и одной выходной переменной с помощью полиномиальной регрессии. Разбивка задач: [list] [*]Реализация градиента Спуск o Заполните недостающие части кода (обозначенные комментариями), чтобы реализовать алгоритм градиентного спуска. o Цель состоит в том, чтобы оптимизировать веса модели и минимизировать функцию стоимости для достичь наилучшего соответствия. o Обеспечьте сходимость, используя критерий остановки, основанный на изменении функции стоимости . [*]Построение графика o код построения уже написан в блокноте. После обучения модели в разделе построения графиков отобразятся: ▪ 3D-график, показывающий взаимосвязь между входными и выходными данными. ▪ Виды сбоку и спереди, чтобы показать поведение кривой регрессии вдоль оси. ▪ Убедитесь, что на графиках правильно показаны точки данных, наложенные на прогнозированную поверхность модели [/list]