Definir búsqueda de equipo

Las capas compartidas permiten que un modelo utilice la misma matriz de pesos para varios pasos. En este ejercicio, crearás una capa de «fuerza del equipo» que representa a cada equipo con un solo número. Utilizarás este número para ambos equipos del modelo. El modelo aprenderá un número para cada equipo que funcione bien tanto cuando el equipo sea team_1 como cuando sea team_2 en los datos de entrada.

El DataFrame « games_season » está disponible en tu espacio de trabajo.

Este ejercicio forma parte del curso

Aprendizaje profundo avanzado con Keras

Instrucciones del ejercicio

Cuenta el número de equipos únicos.
Crea una capa de incrustación que asigne a cada ID de equipo un número único que represente la fuerza de ese equipo.
La forma de salida debe ser de una dimensión (ya que queremos representar a los equipos con un solo número).
La longitud de la entrada debe ser de 1 dimensión (ya que cada equipo está representado por un único identificador).

Ejercicio interactivo práctico

Prueba este ejercicio completando el código de muestra.

# Imports
from tensorflow.keras.layers import Embedding
from numpy import unique

# Count the unique number of teams
n_teams = ____(games_season[____]).shape[0]

# Create an embedding layer
team_lookup = Embedding(input_dim=n_teams,
                        output_dim=____,
                        input_length=____,
                        name='Team-Strength')

Editar y ejecutar código

Este ejercicio forma parte del curso

Aprendizaje profundo avanzado con Keras

IntermedioNivel de habilidad

4.8+

Comienza el curso gratis

En este capítulo, te familiarizarás con los conceptos básicos de la API funcional de Keras. Crearás una red funcional sencilla utilizando bloques de construcción funcionales, la adaptarás a los datos y realizarás predicciones.

Exercise 1: Capas densas y de entrada de Keras Exercise 2: Capas de entrada Exercise 3: Capas densas Exercise 4: Capas de salida Exercise 5: Construye y compila un modelo.Exercise 6: Construye un modelo Exercise 7: Compilar un modelo Exercise 8: Visualiza un modelo Exercise 9: Ajustar y evaluar un modelo Exercise 10: Ajusta el modelo a los datos del torneo de baloncesto.Exercise 11: Evalúa el modelo en un conjunto de prueba.

En este capítulo, construirás redes de dos entradas que utilizan incrustaciones categóricas para representar datos de alta cardinalidad, capas compartidas para especificar bloques de construcción reutilizables y capas de fusión para unir varias entradas en una sola salida. Al final de este capítulo, tendrás los fundamentos básicos para diseñar redes neuronales con flujos de datos complejos.

Exercise 1: Incrustaciones de categorías Exercise 2: Definir búsqueda de equipo

Ejercicio actual

Exercise 3: Definir el modelo de equipo Exercise 4: Capas compartidas Exercise 5: Definición de dos entradas Exercise 6: Busca ambas entradas en el mismo modelo.Exercise 7: Combinar capas Exercise 8: Capa de salida utilizando capa compartida Exercise 9: Modelo con dos entradas y una salida Exercise 10: Predice a partir de tu modelo Exercise 11: Ajusta el modelo a los datos de entrenamiento de la temporada regular.Exercise 12: Evalúa el modelo con los datos de prueba del torneo.

En este capítulo, ampliarás tu modelo de 2 entradas a 3 entradas y aprenderás a utilizar las funciones summary y plot de Keras para comprender los parámetros y la topología de tus redes neuronales. Al final del capítulo, comprenderás cómo ampliar un modelo de 2 entradas a 3 entradas y más.

Exercise 1: Modelos de tres entradas Exercise 2: Crea una capa de entrada para «en casa» y «fuera».Exercise 3: Crea un modelo y compílalo.Exercise 4: Ajusta el modelo y evalúa Exercise 5: Resumen y gráficos de modelos Exercise 6: Resúmenes de modelos Exercise 7: Modelos gráficos Exercise 8: Modelos apilables Exercise 9: Añade las predicciones del modelo a los datos del torneo.Exercise 10: Crear una capa de entrada con varias columnas Exercise 11: Ajusta el modelo Exercise 12: Evaluar el modelo

En este capítulo, crearás redes neuronales con múltiples salidas, que pueden utilizarse para resolver problemas de regresión con múltiples objetivos. También crearás un modelo que resuelve simultáneamente un problema de regresión y un problema de clasificación.

Exercise 1: Modelos de dos salidas Exercise 2: Modelo simple de dos salidas Exercise 3: Ajusta un modelo con dos salidas Exercise 4: Inspecciona el modelo (I)Exercise 5: Evaluar el modelo Exercise 6: Modelo único para clasificación y regresión Exercise 7: Clasificación y regresión en un solo modelo Exercise 8: Compila y ajusta el modelo.Exercise 9: Inspecciona el modelo (II)Exercise 10: Evalúa los nuevos datos con dos métricas.Exercise 11: Resumen