Ajuste del modelo
Estás en la parte más divertida. Ahora encajarás en el modelo. Recordemos que los datos que se utilizarán como características predictivas se cargan en un arreglo NumPy llamado predictors y los datos que se predirán se almacenan en un arreglo NumPy llamado target. Tu archivo model está preescrito y se ha compilado con el código del ejercicio anterior.
Este ejercicio forma parte del curso
Introducción al aprendizaje profundo en Python
Instrucciones del ejercicio
- Coloca el protector de la parte trasera de la carcasa (
model). Recuerda que el primer argumento son las características predictivas (predictors) y los datos que se van a predecir (target) son el segundo argumento.
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
# Specify the model
n_cols = predictors.shape[1]
model = Sequential()
model.add(Dense(50, activation='relu', input_shape = (n_cols,)))
model.add(Dense(32, activation='relu'))
model.add(Dense(1))
# Compile the model
model.compile(optimizer='adam', loss='mean_squared_error')
# Fit the model
____