Sestav a natrénuj jednoduchou neuronovou síť
Dalším modelem, který se naučíme používat, je neuronová síť. Neuronové sítě dokážou zachytit složité interakce mezi proměnnými, ale jejich nastavení a pochopení vyžaduje trochu úsilí. V poslední době překonávají lidské experty v mnoha oblastech – například v rozpoznávání obrazu nebo hraní her (mrkni na AlphaGo) – takže jejich potenciál je obrovský.
Pro tvorbu sítí použijeme knihovnu keras. Jde o high-level API, které umožňuje rychle skládat neuronové sítě a zároveň si zachovat velkou kontrolu nad jejich architekturou. Jako první krok vytvoříme téměř nejjednodušší možnou síť – třívrstvou síť, která přijme vstupní data a předpoví jedinou hodnotu. Stejně jako modely z sklearn mají i modely v keras metodu .fit(), která přijímá argumenty (features, targets).
Toto cvičení je součástí kurzu
Machine Learning for Finance in Python
Pokyny k cvičení
- Vytvoř hustou vrstvu s 20 neurony a aktivací ReLU (
'relu') jako 2. vrstvu neuronové sítě. - Vytvoř poslední hustou vrstvu s 1 neuronem a lineární aktivací (
activation='linear'). - Natrénuj model na
scaled_train_featuresatrain_targets.
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
from keras.models import Sequential
from keras.layers import Dense
# Create the model
model_1 = Sequential()
model_1.add(Dense(100, input_dim=scaled_train_features.shape[1], activation='relu'))
model_1.add(Dense(____, activation=____))
model_1.add(Dense(____, activation=____))
# Fit the model
model_1.compile(optimizer='adam', loss='mse')
history = model_1.fit(____, ____, epochs=25)