Élaborer un modèle

La dernière étape de la création d'un modèle consiste à le compiler. Maintenant que vous avez créé un modèle, vous devez le compiler avant de pouvoir l'ajuster aux données. Cela finalise votre modèle, fige tous ses paramètres et le prépare à recevoir des données.

Lors de la compilation, vous devez spécifier l'optimiseur à utiliser pour ajuster le modèle aux données, ainsi qu'une fonction de perte. L'optimiseur par défaut, « 'adam' », est un bon choix et fonctionne généralement bien. La fonction de perte dépend du problème à résoudre. L'erreur quadratique moyenne est une fonction de perte courante qui permet d'optimiser la prédiction de la moyenne, comme dans le cas de la régression par les moindres carrés.

L'erreur absolue moyenne optimise la médiane et est utilisée dans la régression quantile. Pour cet ensemble de données, la fonction de perte « 'mean_absolute_error' » fonctionne très bien, veuillez donc l'utiliser comme fonction de perte.