Ein Modell mit zwei Ausgängen anpassen

Nachdem du dein Modell mit zwei Ausgängen definiert hast, passe es an die Turnierdaten an. Ich hab die Daten in „ games_tourney_train and games_tourney_test “ aufgeteilt, also nimm erstmal den Trainingssatz, um sie anzupassen.

Dieses Modell nutzt die Setzplätze vor dem Turnier sowie deine Vorhersagen vor dem Turnier aus dem regulären Saisonmodell, das du zuvor in diesem Kurs erstellt hast.

Zur Erinnerung: Dieses Modell sagt die Ergebnisse beider Teams voraus.

Diese Übung ist Teil des Kurses

<Kurs>Fortgeschrittenes Deep Learning mit Keras</Kurs>

Übungsanweisungen

Passe das Modell mit 100 Epochen und einer Batchgröße von 16384 an den Datensatz „ games_tourney_train “ an.
Die Eingabespalten sind „ 'seed_diff' “ und „ 'pred' “.
Die Zielspalten sind „ 'score_1' “ und „ 'score_2' “.

Interaktive praktische Übung

Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.

# Fit the model
____(games_tourney_train[['____', '____']],
  		  games_tourney_train[['____', '____']],
  		  verbose=True,
  		  ____,
  		  ____)

Code bearbeiten und ausführen

Diese Übung ist Teil des Kurses

<Kurs>Fortgeschrittenes Deep Learning mit Keras</Kurs>

Mittlere SchwierigkeitSchwierigkeitsgrad

4.8+

Kurs kostenlos starten

In this chapter, you'll become familiar with the basics of the Keras functional API. You'll build a simple functional network using functional building blocks, fit it to data, and make predictions.

Exercise 1: Keras input and dense layers Exercise 2: Input layers Exercise 3: Dense layers Exercise 4: Output layers Exercise 5: Build and compile a model Exercise 6: Build a model Exercise 7: Compile a model Exercise 8: Visualize a model Exercise 9: Fit and evaluate a model Exercise 10: Fit the model to the tournament basketball data Exercise 11: Evaluate the model on a test set

In this chapter, you will build two-input networks that use categorical embeddings to represent high-cardinality data, shared layers to specify re-usable building blocks, and merge layers to join multiple inputs to a single output. By the end of this chapter, you will have the foundational building blocks for designing neural networks with complex data flows.

Exercise 1: Category embeddings Exercise 2: Define team lookup Exercise 3: Define team model Exercise 4: Shared layers Exercise 5: Defining two inputs Exercise 6: Lookup both inputs in the same model Exercise 7: Merge layers Exercise 8: Output layer using shared layer Exercise 9: Model using two inputs and one output Exercise 10: Predict from your model Exercise 11: Fit the model to the regular season training data Exercise 12: Evaluate the model on the tournament test data

In this chapter, you will extend your 2-input model to 3 inputs, and learn how to use Keras' summary and plot functions to understand the parameters and topology of your neural networks. By the end of the chapter, you will understand how to extend a 2-input model to 3 inputs and beyond.

Exercise 1: Three-input models Exercise 2: Make an input layer for home vs. away Exercise 3: Make a model and compile it Exercise 4: Fit the model and evaluate Exercise 5: Summarizing and plotting models Exercise 6: Model summaries Exercise 7: Plotting models Exercise 8: Stacking models Exercise 9: Add the model predictions to the tournament data Exercise 10: Create an input layer with multiple columns Exercise 11: Fit the model Exercise 12: Evaluate the model

In this chapter, you will build neural networks with multiple outputs, which can be used to solve regression problems with multiple targets. You will also build a model that solves a regression problem and a classification problem simultaneously.

Exercise 1: Modelle mit zwei Ausgängen Exercise 2: Einfaches Modell mit zwei Ausgängen Exercise 3: Ein Modell mit zwei Ausgängen anpassen

Aktuelle Übung

Exercise 4: Schau dir das Modell an (I)Exercise 5: Das Modell bewerten Exercise 6: Ein einziges Modell für Klassifizierung und Regression Exercise 7: Klassifizierung und Regression in einem Modell Exercise 8: Modell zusammenstellen und anpassen Exercise 9: Schau dir das Modell an (II)Exercise 10: Neue Daten anhand von zwei Kennzahlen bewerten Exercise 11: Zusammenfassung