LoslegenKostenlos starten

Training mit Cross-Validation

Zeit, dein Modell mit den besten gefundenen Parametern zu trainieren: 0,001 für die learning rate, 50 epochs, eine batch_size von 128 und relu activations.

Die Funktion create_model() aus der vorherigen Übung ist einsatzbereit. X und y sind als Features und Labels geladen.

Verwende die besten Werte beim Erstellen deines KerasClassifier-Objekts, damit sie bei der cross_validation genutzt werden.

Beende dieses Kapitel, indem du ein stark getuntes Modell auf dem breast cancer dataset trainierst!

Diese Übung ist Teil des Kurses

<Kurs>Einstieg ins Deep Learning mit Keras</Kurs>
Kurs ansehen

Übungsanweisungen

  • Importiere KerasClassifier aus den scikit_learn-Wrappers von tensorflow.keras.
  • Erstelle ein KerasClassifier-Objekt und übergib die besten gefundenen Parameter.
  • Übergebe dein model sowie Features und Labels an cross_val_score, um eine Cross-Validation mit 3 Folds durchzuführen.

Interaktive praktische Übung

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

# 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())
Code bearbeiten und ausführen