1. Učit se
    2. /
  2. Kurzy
    3. /
  3. Advanced Deep Learning with Keras
Connected

cvičení

Kompilace a trénování modelu

Teď máš model se 2 výstupy – zkompiluj ho se 2 ztrátovými funkcemi: střední absolutní chybou (MAE) pro 'score_diff' a binární zkříženou entropií (také známou jako logloss) pro 'won'. Pak model natrénuj s 'seed_diff' a 'pred' jako vstupy. Jako výstupy predikuj 'score_diff' a 'won'.

Tento model může využívat skóre zápasů k tomu, aby těsné výsledky (malý rozdíl skóre) měly nižší pravděpodobnost výhry než jednoznačné výsledky (velký rozdíl skóre).

Regresní úloha je snazší než klasifikační, protože MAE model méně penalizuje za chyby způsobené náhodou. Například pokud je score_diff -1 a won je 0, znamená to, že team_1 měl smůlu a prohrál jediným trestným hodem. Data z jednodušší úlohy pomáhají modelu najít řešení té složitější.

Pokyny

100 XP
  • Importuj Adam z keras.optimizers.
  • Zkompiluj model se 2 ztrátovými funkcemi: 'mean_absolute_error' a 'binary_crossentropy', a použij optimalizátor Adam s rychlostí učení 0,01.
  • Natrénuj model se sloupci 'seed_diff' a 'pred' jako vstupy a sloupci 'score_diff' a 'won' jako cílové hodnoty.
  • Použij 10 epoch a velikost dávky 16384.