मॉडल को compile और fit करें
अब जब आपके पास 2 आउटपुट वाला मॉडल है, तो इसे 2 loss functions के साथ compile करें: 'score_diff' के लिए mean absolute error (MAE) और 'won' के लिए binary cross-entropy (जिसे logloss भी कहा जाता है)। फिर मॉडल को 'seed_diff' और 'pred' को inputs के रूप में लेकर fit करें। आउटपुट में 'score_diff' और 'won' को predict करें.
यह मॉडल गेम्स के स्कोर का उपयोग करके यह सुनिश्चित कर सकता है कि करीबी गेम्स (छोटा score diff) में जीत की संभावना blowouts (बड़ा score diff) से कम हो.
Regression समस्या classification समस्या से आसान है क्योंकि MAE, रैंडम किस्मत के कारण हुए loss के लिए मॉडल को कम दंडित करता है। उदाहरण के लिए, यदि score_diff -1 है और won 0 है, तो इसका मतलब है कि team_1 की किस्मत थोड़ी खराब रही और वह सिर्फ एक फ्री थ्रो से हार गई। आसान समस्या का डेटा, कठिन समस्या का हल खोजने में मॉडल की मदद करता है.
यह अभ्यास पाठ्यक्रम का हिस्सा है
Keras के साथ Advanced Deep Learning
अभ्यास निर्देश
keras.optimizersसेAdamइम्पोर्ट करें।- मॉडल को 2 losses के साथ compile करें:
'mean_absolute_error'और'binary_crossentropy', और 0.01 learning rate के साथ Adam optimizer का उपयोग करें। - मॉडल को
'seed_diff'और'pred'कॉलम्स को inputs तथा'score_diff'और'won'कॉलम्स को targets बनाकर fit करें। - 10 epochs और 16384 batch size का उपयोग करें.
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Import the Adam optimizer
____
# Compile the model with 2 losses and the Adam optimzer with a higher learning rate
model.____(loss=['____', '____'], optimizer=____)
# Fit the model to the tournament training data, with 2 inputs and 2 outputs
model.____(games_tourney_train[['____', '____']],
[games_tourney_train[['____']], games_tourney_train[['____']]],
epochs=____,
verbose=True,
batch_size=____)