Ajuste del modelo
Estás en la parte más divertida. Ahora encajarás el modelo. Recuerda que los datos que se van a utilizar como características predictivas se cargan en una matriz NumPy llamada predictors y los datos que se van a predecir se almacenan en una matriz NumPy llamada target. Tu 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 de ejercicio
- Ajusta el
model. Recuerda que el primer argumento son las características de predicción (predictors), y los datos que hay que predecir (target) son el segundo argumento.
Ejercicio interactivo práctico
Pruebe este ejercicio completando este 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
____