क्लासिफिकेशन मॉडल के आखिरी स्टेप्स
अब आप टाइटैनिक डेटासेट का उपयोग करके एक क्लासिफिकेशन मॉडल बनाएँगे, जिसे df नाम के DataFrame में पहले से लोड किया गया है. आप यात्रियों की जानकारी लेकर अनुमान लगाएंगे कि कौन-से यात्री बचे.
प्रेडिक्टिव वैरिएबल्स NumPy array predictors में हैं. जिसका अनुमान लगाना है वह df.survived में है, हालाँकि Keras के लिए आपको इसे थोड़ा बदलना होगा. प्रेडिक्टिव फीचर्स की संख्या n_cols में स्टोर है.
यहाँ आप 'sgd' optimizer का उपयोग करेंगे, जिसका अर्थ है Stochastic Gradient Descent. इसके बारे में आप अगले चैप्टर में और जानेंगे!
यह अभ्यास पाठ्यक्रम का हिस्सा है
Python में Deep Learning परिचय
अभ्यास निर्देश
to_categorical()फंक्शन का उपयोग करकेdf.survivedको कैटेगोरिकल वैरिएबल में कन्वर्ट करें.modelनाम का एकSequentialमॉडल स्पेसिफाई करें.32नोड्स वाली एकDenseलेयर जोड़ें.activationके रूप में'relu'औरinput_shapeके रूप में(n_cols,)का उपयोग करें.Denseआउटपुट लेयर जोड़ें. क्योंकि दो संभावित परिणाम हैं, इसमें 2 यूनिट्स होने चाहिए, और चूँकि यह क्लासिफिकेशन मॉडल है,activation'softmax'होना चाहिए.- मॉडल को कंपाइल करें:
optimizerके रूप में'sgd', loss फंक्शन के रूप में'categorical_crossentropy', और प्रत्येक epoch के अंत में सटीकता देखने के लिएmetrics=['accuracy']का उपयोग करें (यानी कितनी भविष्यवाणियाँ सही थीं). predictorsऔरtargetका उपयोग करके मॉडल को फिट करें.
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Import necessary modules
from tensorflow.keras.layers import Dense
from tensorflow.keras.models import Sequential
from tensorflow.keras.utils import to_categorical
# Convert the target to categorical: target
target = ____
# Set up the model
model = ____
# Add the first layer
____
# Add the output layer
____
# Compile the model
____
# Fit the model
____