Especificar un modelo

Ahora podrás empezar a trabajar con tu primer modelo en Keras y, al igual que en los dos primeros capítulos, podrás ejecutar inmediatamente modelos de redes neuronales más complejos en conjuntos de datos más grandes.

Para empezar, tomarás el esqueleto de una red neuronal y añadirás una capa oculta y una capa de salida. A continuación, ajustarás ese modelo y verás cómo Keras realiza la optimización para que tu modelo mejore continuamente.

Para empezar, predirás los salarios de los trabajadores basándote en características como su sector, su formación y su nivel de experiencia. Puedes encontrar el conjunto de datos en un DataFrame de pandas llamado df. Para mayor comodidad, todo lo que hay en df, excepto el objetivo, se ha convertido a un arreglo NumPy llamado predictors. El objetivo, wage_per_hour, está disponible como un arreglo NumPy llamado target.

Para todos los ejercicios de este capítulo, hemos importado el constructor de modelos Sequential, el constructor de capas Dense y pandas.

Este ejercicio forma parte del curso

Introducción al aprendizaje profundo en Python

Ver curso

Instrucciones del ejercicio

Almacena el número de columnas en los datos « predictors » en « n_cols ». Esto se te proporciona hecho.
Sequential Empieza creando un modelo de ETL llamado « model ».
Utiliza el método « .add() » en model para añadir una capa « Dense ».
- Añade las unidades « 50 », especifica « activation='relu' » y el parámetro « input_shape » como la tupla « (n_cols,) », lo que significa que tiene « n_cols » elementos en cada fila de datos y que se acepta cualquier número de filas de datos como entradas.
Añade otra capa de « Dense ». Esto debería tener unidades 32 y una activación 'relu'.
Por último, añade una capa de salida, que es una capa de tipo « Dense » con un único nodo. No utilices ninguna función de activación aquí.

Ejercicio interactivo práctico

Prueba este ejercicio completando el código de muestra.

# Import necessary modules
from tensorflow.keras.layers import Dense
from tensorflow.keras.models import Sequential

# Save the number of columns in predictors: n_cols
n_cols = predictors.shape[1]

# Set up the model: model
model = ____

# Add the first layer
____.____(____(____, ____=____, ____=(____)))

# Add the second layer
____

# Add the output layer
____

Editar y ejecutar código