Primeros pasos con Pytorch usando Colab Part VII
En este artículo hablaré de Pytorch, Regresión Lineal poder entender como funciona usando “Google Colab” como interface de desarrollo.
ÁLGEBRA LINEAL
Es una forma de matemática continua en lugar de discreta, muchos científicos informáticos tienen poca experiencia con ella. Una buena comprensión del álgebra lineal es esencial para entender y trabajar con muchos algoritmos de aprendizaje automático, especialmente los algoritmos de aprendizaje profundo.
REGRESIÓN LINEAl
La regresión lineal requiere un modelo lineal.
Un modelo es lineal cuando cada término es una constante o el producto de un parámetro y una variable predictiva .
Se construye una ecuación lineal sumando los resultados para cada término. Esto limita la ecuación a solo una forma básica
Respuesta = constante + parámetro * predictor + … + parámetro * predictor
En estadística, una ecuación de regresión (o función) es lineal cuando es lineal en los parámetros. Si bien la ecuación debe ser lineal en los parámetros, puede transformar las variables predictoras de manera que produzcan curvatura.
Por ejemplo, puede incluir una variable cuadrada para producir una curva en forma de U.
¿Qué es Google Colab?
Colaboratory es un entorno gratuito de Jupyter Notebook que no requiere configuración y que se ejecuta completamente en la nube.
ejemplo:
Kaggle Dataset
Instalación Colab
Importar librerías
Parámetros
Load Dataset
Standarización
Regresión Lineal
Perdida y Optimización
Función entrenamiento
Función prueba
Train modelo
Visualización
CONCLUSIÓN
Espero les haya gustado este artículo de Pytorch y Colab y el uso de regresión lineales usando pytorch se ve como converge la información con los datos.3
Esto ayuda sorprendente mente en la experimentación rápida con los datos.
A continuación estaré publicando algunos artículos más específicos para PyTorch hasta crear pequeñas aplicaciones , así como jugar con la imaginación de crear algo.
Continuar leyendo
pytorch Part 6( aquí)
pytorch Part 8( aquí)
REFERENCIAS
- https://developers.google.com/machine-learning/crash-course/multi-class-neural-networks/softmax?hl=es-419
- https://documen.tician.de/pycuda/
- https://www.joyk.com/dig/detail/74093l
- https://www.aiworkbox.com/lessons/cast-a-pytorch-tensor-to-another-type
- https://pytorch.org/blog/a-year-in/
- https://openreview.net/pdf?id=BJJsrmfCZ
- https://deepsense.ai/keras-or-pytorch/
linkedin: