ComenzarEmpieza gratis

Especificar un modelo

Ahora vas a trabajar con tu primer modelo en Keras y, desde el primer momento, podrás ejecutar redes neuronales más complejas en conjuntos de datos más grandes que en los dos primeros capítulos.

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

Como punto de partida, predecirás el salario por hora de trabajadores según características como su sector, formación y nivel de experiencia. El conjunto de datos está en un DataFrame de pandas llamado df. Para mayor comodidad, todo en df excepto el objetivo se ha convertido en un array de NumPy llamado predictors. El objetivo, wage_per_hour, está disponible como un array de NumPy llamado target.

En 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 Deep Learning en Python

Ver curso

Instrucciones del ejercicio

  • Guarda el número de columnas de los datos predictors en n_cols. Esto ya está hecho por ti.
  • Empieza creando un modelo Sequential llamado model.
  • Usa el método .add() en model para añadir una capa Dense.
    • Añade 50 unidades, especifica activation='relu' y el parámetro input_shape como la tupla (n_cols,), lo que significa que hay n_cols elementos en cada fila de datos, y se acepta cualquier número de filas como entrada.
  • Añade otra capa Dense. Debe tener 32 unidades y activación 'relu'.
  • Por último, añade una capa de salida, que es una capa Dense con un único nodo. No uses ninguna función de activación aquí.

Ejercicio interactivo práctico

Prueba este ejercicio y completa 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