Sách Deep Learning cơ bản

3.6 Bài tập 51
(c)
(d)
⎛
a
⎝c
e
⎞
b ( )
d⎠ g h i
∗
k m n
f
⎛ ⎞
1 x 1
( )
⎜ 1 x 2
⎟
⎝... ... ⎠ ∗ w1
w 2
1 x n
2. Tính đạo hàm các hàm số sau:
(a) f (x) = (2x + 1) 2
(b) f (x) = 1
1 + e −x
(c) f (x) = ex − e −x
e x + e −x
(d) f (x) = x x
3. (a) Tự giải thích lại thuật toán gradient descent
(b) Code python dùng thuật toán gradient descent để tìm giá trị nhỏ nhất của hàm f (x) =
x 2 + 2x + 5
4. Tự tính đạo hàm của weight với loss function trong bài toán linear regression và biểu diễn lại
dưới dạng ma trận.
5. Dựa vào code được cung cấp chỉnh 1 số tham số như learning_rate (tăng, giảm), số iteration
xem loss function sẽ thay đổi thế nào.
6. Giả sử giá nhà phụ thuộc vào diện tích và số phòng ngủ. Thiết kế 1 linear regerssion model
và định nghĩa loss function cho bài toán trên.
7. Giả sử bài toán vẫn như trên nhưng khi bạn vẽ đồ thị dữ liệu sẽ như thế này
Model cho bài toán bạn chọn như thế nào? Code python cho bài toán đấy tương tự như bài
toán linear regression. Dữ liệu ở file data_square.csv trên github.