Introducing New Styles of Football Soccer

Introducing New Styles of Football Soccer

 En este post, vamos a sumergirnos en el fascinante mundo del Deep Learning resolviendo un problema práctico: predecir el precio de frutas en base a su tamaño y color. No te preocupes si eres nuevo en esto; primero vamos a entender el proceso matemático paso a paso, y luego lo implementaremos en código utilizando Python. ¡Comencemos!

 

Imagina que tenemos un dataset con información sobre frutas, como su tamaño (x₁), color (x₂), y el precio que queremos predecir (y). Nuestro objetivo es construir una red neuronal que aprenda a predecir el precio basado en las características de las frutas.

 

Imaginemos este pequeño dataset de 4 frutas: 

 

 

Diseñar y entrenar una red neuronal para predecir el precio de una fruta utilizando dos características de entrada: tamaño (x₁) y color (x₂).

 

Valores iniciales: 

w1 = 0.5  –> este es el peso para la entrada x1

w2 = 0.5  –> este es el peso para la entrada x2

b = 0.1 –>  es el sesgo o bias, que ajusta la salida de la red.

(α) o (η) = 0.01 –> tasa de aprendizaje

 

El Proceso Matemático Paso a Paso

1. Predicción (Forward Pass)

Para calcular la predicción (y_pred) , usamos una fórmula sencilla:

 

\[ y_{\text{pred}} = (w_1 \cdot x_1) + (w_2 \cdot x_2) + b \]

 

Donde:

  • w1 y w2 son los pesos de las entradas x1 y x2
  • x1 y x2 son las características de entrada.
  • b es el bias, que ajusta la salida de la red.

Esta fórmula es la base de cómo las redes neuronales realizan predicciones.

 

Comments

No comments yet. Why don’t you start the discussion?

Leave a Reply

Your email address will not be published. Required fields are marked *