Kompilace modelu
Posledním krokem při vytváření modelu je jeho kompilace. Teď, když máš model vytvořený, je potřeba ho před trénováním nejprve zkompilovat. Tím model finalizuješ, zafixuješ všechna jeho nastavení a připravíš ho na zpracování dat!
Při kompilaci určuješ optimalizátor, který se použije pro trénování modelu na datech, a ztrátovou funkci. 'adam' je dobrý výchozí optimalizátor, který obecně funguje spolehlivě. Ztrátová funkce závisí na konkrétním problému. Střední kvadratická chyba je běžná ztrátová funkce optimalizující predikci průměru, jak tomu bývá u regrese metodou nejmenších čtverců.
Střední absolutní chyba optimalizuje predikci mediánu a používá se v kvantilové regresi. Pro tento dataset funguje 'mean_absolute_error' velmi dobře – použij ji jako svou ztrátovou funkci.
Toto cvičení je součástí kurzu
Advanced Deep Learning with Keras
Pokyny k cvičení
- Zkompiluj model, který jsi vytvořil/a (
model). - Použij optimalizátor
'adam'. - Jako ztrátovou funkci použij střední absolutní chybu (
'mean_absolute_error').
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
# Compile the model
____(optimizer=____, loss=____)