Spécification d'un modèle

Vous allez maintenant pouvoir travailler avec votre premier modèle dans Keras et serez immédiatement en mesure d'exécuter des modèles de réseaux neuronaux plus complexes sur des ensembles de données plus volumineux que ceux utilisés dans les deux premiers chapitres.

Pour commencer, vous allez prendre le squelette d'un réseau neuronal et y ajouter une couche cachée et une couche de sortie. Vous pourrez ensuite ajuster ce modèle et observer Keras procéder à l'optimisation afin que votre modèle s'améliore continuellement.

Pour commencer, vous devrez estimer les salaires des employés en fonction de caractéristiques telles que leur secteur d'activité, leur niveau d'études et leur expérience. Vous pouvez trouver l'ensemble de données dans un DataFrame pandas appelé « df ». Pour plus de commodité, tout le contenu de l'df, à l'exception de la cible, a été converti en un tableau NumPy appelé predictors. La cible, wage_per_hour, est disponible sous forme de tableau NumPy appelé target.

Pour tous les exercices de ce chapitre, nous avons importé le constructeur de modèle Sequential, le constructeur de couche Dense et pandas.

Cet exercice fait partie du cours

Introduction au Deep Learning avec Python

Afficher le cours

Instructions

Veuillez enregistrer le nombre de colonnes dans les données de l'predictors à l'adresse n_cols. Cela a été fait pour vous.
Commencez par créer un modèle d'Sequential appelé « model ».
Veuillez utiliser la méthode « .add() » sur model pour ajouter une couche « Dense ».
- Ajoutez des unités d'50, spécifiez l'activation='relu' et le paramètre d'input_shape comme étant le tuple (n_cols,), ce qui signifie qu'il y a n_cols éléments dans chaque ligne de données et que n'importe quel nombre de lignes de données est acceptable en entrée.
Ajoutez une autre couche d'Dense. Ceci devrait comporter des unités d'32 et une activation d''relu'.
Enfin, ajoutez une couche de sortie, qui est une couche d'Dense avec un seul nœud. N'utilisez aucune fonction d'activation ici.

Exercice interactif pratique

Essayez cet exercice en complétant cet exemple de code.

# Import necessary modules
from tensorflow.keras.layers import Dense
from tensorflow.keras.models import Sequential

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

# Set up the model: model
model = ____

# Add the first layer
____.____(____(____, ____=____, ____=(____)))

# Add the second layer
____

# Add the output layer
____

Modifier et exécuter le code