Générer des prédictions

Le réseau entraîné lors de l'exercice de codage précédent est maintenant enregistré dans model. De nouvelles données sur lesquelles faire des prédictions sont stockées dans un tableau NumPy nommé pred_data. Utilisez model pour générer des prédictions sur vos nouvelles données.

Dans cet exercice, vos prédictions seront des probabilités, ce qui est la façon la plus courante pour les spécialistes des données de communiquer leurs prédictions à leurs collègues.

Cette activité fait partie du cours

Introduction à Deep Learning en Python

Voir le cours

Instructions de l’exercice

Créez vos prédictions avec la méthode .predict() du modèle sur pred_data.
Utilisez l'indexation NumPy pour repérer la colonne correspondant aux probabilités prédites que la survie soit True. Il s'agit de la deuxième colonne (indice 1) de predictions. Stockez le résultat dans predicted_prob_true et affichez-le.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# Specify, compile, and fit the model
model = Sequential()
model.add(Dense(32, activation='relu', input_shape = (n_cols,)))
model.add(Dense(2, activation='softmax'))
model.compile(optimizer='sgd', 
              loss='categorical_crossentropy', 
              metrics=['accuracy'])
model.fit(predictors, target)

# Calculate predictions: predictions
predictions = ____

# Calculate predicted probability of survival: predicted_prob_true
predicted_prob_true = ____

# Print predicted_prob_true
print(predicted_prob_true)

Modifier et exécuter le code