Einfache Lineare Regression
Dein erstes echtes Training mit TensorFlow.js.
👋 HerrKI hier — heute drückst du zum ersten Mal auf „Trainieren“
Erinnerst du dich an das Neuron aus dem Neuronen-Kapitel? Da hast DU an Gewicht und Bias gedreht, bis das Pflanzen-Wachstum stimmte. Heute drehen wir den Spieß um: Das Netz dreht selbst — und du schaust zu, wie es aus 10 Messungen die Gieß-Regel unserer Pflanze herausfindet.
Das Modell ist absichtlich das einfachste der Welt: eine Gerade (y = m·x + b), ein einziges Neuron. Genau deshalb kannst du hier ALLES beobachten, was auch in GPT & Co. passiert — Loss, Optimizer, Epochen — nur eben mit zwei Zahlen statt Milliarden. 📉
- ✅ Ein Modell definieren — „Sequential“ + „Dense“ klingt wichtig, heißt aber nur: Schichten hintereinander, hier genau eine mit einem Neuron
- ✅ Die Loss-Funktion — der Fehler-Zollstock aus Kapitel 115 (hier: mittlerer quadratischer Fehler)
- ✅ Der Optimizer — der Bergab-Läufer aus Kapitel 118, der die Stellschrauben dreht
- ✅ Epochen — wie oft das Netz den kompletten Datensatz durcharbeitet (hier: 100 Runden)
Die Ausgangslage: Du hast 10 Einträge aus deinem Gieß-Tagebuch — Wassermenge rein, Wachstum raus. Die Regel dahinter ist „verloren gegangen“. 🕵️ Stell dir vor, du druckst die 10 Punkte auf Papier und legst ein Lineal so hindurch, dass es allen Punkten möglichst nahe kommt: genau das macht das Netz gleich — nur dass es das Lineal nicht mit der Hand schiebt, sondern mit dem Bergab-Schritt aus Kapitel 118. Zwei Stellschrauben hat es dafür: m (wie steil das Lineal liegt) und b (wo es startet — das „Grundwachstum“ ganz ohne Wasser).
💡 HerrKI-Tipp: Training ist exakt der Kreislauf aus „Was heißt Lernen?“: raten → Fehler messen (Loss) → nachjustieren (Gradient Descent) → wiederholen. Gleich siehst du ihn zum ersten Mal in echt. 📈
📊 Trainingsdaten
💡 Tensor-Perspektive: Diese Tabelle wird zu zwei Tensoren: X mit Shape [10, 1] und Y mit Shape [10, 1]
| Messung Nr. | 💧 Wasser (ml) = x | 🌱 Wachstum (cm) = y |
|---|---|---|
| 1 | 50 ml | 2.5 cm |
| 2 | 100 ml | 5.0 cm |
| 3 | 150 ml | 7.5 cm |
| 4 | 200 ml | 10.0 cm |
| 5 | 250 ml | 12.5 cm |
| 6 | 300 ml | 15.0 cm |
| 7 | 350 ml | 17.5 cm |
| 8 | 400 ml | 20.0 cm |
| 9 | 450 ml | 22.5 cm |
| 10 | 500 ml | 25.0 cm |
🤫 Psst — DU erkennst das Muster hier vermutlich auf einen Blick (100 ml → 5 cm, na?). Das Netz sieht davon NICHTS: für es sind das nur 20 nackte Zahlen in zwei Tensoren. Ob es die Regel trotzdem findet? Drück oben auf „Trainieren“ und schau ihm zu.