Ajustement du modèle
Vous êtes dans la partie la plus amusante. Vous allez maintenant ajuster le modèle. Rappelons que les données à utiliser comme caractéristiques prédictives sont chargées dans un tableau NumPy appelé « predictors » et que les données à prédire sont stockées dans un tableau NumPy appelé « target ». Votre fichier « model » est pré-écrit et a été compilé avec le code de l'exercice précédent.
Cet exercice fait partie du cours
Introduction au Deep Learning avec Python
Instructions
- Installez l'
model. Veuillez noter que le premier argument correspond aux caractéristiques prédictives (predictors) et que les données à prédire (target) constituent le deuxième argument.
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
# 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
____