Tvorba predikcí

Natrénovaná síť z předchozího cvičení je teď uložená jako model. Nová data pro predikce jsou uložena v NumPy poli jako pred_data. Použij model k vytvoření predikcí na nových datech.

V tomto cvičení budou tvoje predikce ve formě pravděpodobností – to je nejběžnější způsob, jakým data scientists sdělují výsledky svým kolegům.

Toto cvičení je součástí kurzu

Úvod do deep learningu v Pythonu

Zobrazit kurz

Pokyny k cvičení

Vytvoř predikce pomocí metody .predict() modelu na datech pred_data.
Pomocí NumPy indexování najdi sloupec odpovídající predikovaným pravděpodobnostem přežití s hodnotou True. Jde o druhý sloupec (index 1) pole predictions. Výsledek ulož do proměnné predicted_prob_true a vypiš ho.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Specify, compile, and fit the model
model = Sequential()
model.add(Dense(32, activation='relu', input_shape = (n_cols,)))
model.add(Dense(2, activation='softmax'))
model.compile(optimizer='sgd', 
              loss='categorical_crossentropy', 
              metrics=['accuracy'])
model.fit(predictors, target)

# Calculate predictions: predictions
predictions = ____

# Calculate predicted probability of survival: predicted_prob_true
predicted_prob_true = ____

# Print predicted_prob_true
print(predicted_prob_true)

Upravit a spustit kód