Začněte nyníZačněte zdarma

Trénování s křížovou validací

Teď přišel čas natrénovat model s nejlepšími nalezenými parametry: 0,001 pro learning rate, 50 epoch, batch_size 128 a aktivace relu.

Funkce create_model() z předchozího cvičení je připravená k použití. X a y jsou načteny jako příznaky a štítky.

Při vytváření objektu KerasClassifier použij nejlepší nalezené hodnoty, aby se uplatnily při křížové validaci.

Uzavři tuto kapitolu natrénováním skvěle vyladěného modelu na datasetu rakoviny prsu!

Toto cvičení je součástí kurzu

Úvod do hlubokého učení s Keras

Zobrazit kurz

Pokyny k cvičení

  • Importuj KerasClassifier z wrapperů scikit_learn v tensorflow.keras.
  • Vytvoř objekt KerasClassifier a předej mu nejlepší nalezené parametry.
  • Předej svůj model, příznaky a štítky funkci cross_val_score a proveď křížovou validaci se 3 foldy.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Import KerasClassifier from tensorflow.keras wrappers
from tensorflow.keras.wrappers.____ import ____

# Create a KerasClassifier
model = ____(build_fn = create_model(learning_rate = ____, activation = ____), epochs = ____, 
             batch_size = ____, verbose = 0)

# Calculate the accuracy score for each fold
kfolds = cross_val_score(____, ____, ____, cv = ____)

# Print the mean accuracy
print('The mean accuracy was:', kfolds.mean())

# Print the accuracy standard deviation
print('With a standard deviation of:', kfolds.std())
Upravit a spustit kód