Poslední kroky v klasifikačních modelech

Teď vytvoříš klasifikační model s využitím datasetu Titanic, který je předem načtený v DataFrame df. Budeme pracovat s informacemi o cestujících a předpovídat, kteří z nich přežili.

Prediktivní proměnné jsou uloženy v NumPy poli predictors. Cílová proměnná je v df.survived, ale před použitím v Keras ji budeš muset upravit. Počet prediktivních příznaků je uložen v proměnné n_cols.

V tomto cvičení použiješ optimizer 'sgd', což je zkratka pro Stochastic Gradient Descent. Víc se o něm dozvíš v další kapitole!

Toto cvičení je součástí kurzu

Úvod do deep learningu v Pythonu

Zobrazit kurz

Pokyny k cvičení

Převeď df.survived na kategorickou proměnnou pomocí funkce to_categorical().
Definuj model Sequential a ulož ho do proměnné model.
Přidej vrstvu Dense s 32 uzly. Jako activation použij 'relu' a jako input_shape zadej (n_cols,).
Přidej výstupní vrstvu Dense. Protože existují dva možné výsledky, měla by mít 2 jednotky, a protože jde o klasifikační model, nastav activation na 'softmax'.
Zkompiluj model: jako optimizer použij 'sgd', jako ztrátovou funkci 'categorical_crossentropy' a přidej metrics=['accuracy'], aby ses po každé epoše viděl/a přesnost modelu (jaký podíl předpovědí byl správný).
Natrénuj model pomocí predictors a target.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Import necessary modules
from tensorflow.keras.layers import Dense
from tensorflow.keras.models import Sequential
from tensorflow.keras.utils import to_categorical

# Convert the target to categorical: target
target = ____

# Set up the model
model = ____

# Add the first layer
____

# Add the output layer
____

# Compile the model
____

# Fit the model
____

Upravit a spustit kód