Evaluación de la precisión del modelo en el conjunto de datos de validación

Ahora te toca controlar la precisión del modelo con un conjunto de datos de validación. Se ha proporcionado una definición del modelo en model. Tu trabajo consiste en añadir el código para compilarlo y luego ajustarlo. Comprobarás la puntuación de validación en cada época.

Este ejercicio forma parte del curso

Introducción al Aprendizaje Profundo en Python

Ver curso

Instrucciones de ejercicio

Compila tu modelo utilizando 'adam' como el optimizer y 'categorical_crossentropy' para el loss. Para ver qué fracción de predicciones son correctas (la accuracy) en cada época, especifica el argumento de palabra clave adicional metrics=['accuracy'] en model.compile().
Ajusta el modelo utilizando predictors y target. Crea una división de validación del 30% (o 0.3). Se informará de ello en cada época.

Ejercicio interactivo práctico

Pruebe este ejercicio completando este código de muestra.

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

# Specify the model
model = Sequential()
model.add(Dense(100, activation='relu', input_shape = input_shape))
model.add(Dense(100, activation='relu'))
model.add(Dense(2, activation='softmax'))

# Compile the model
____

# Fit the model
hist = ____

Editar y ejecutar código