शुरू करेंमुफ़्त में शुरू करें

ट्यूनिंग के लिए मॉडल तैयार करना

आइए बाइनरी क्लासिफिकेशन मॉडल के हाइपरपैरामीटर ट्यून करें ताकि वह breast cancer डेटासेट पर अच्छा प्रदर्शन करे.

आपने देखा है कि किसी मॉडल को sklearn एस्टीमेटर में बदलने का पहला चरण एक ऐसी फंक्शन बनाना है जो उसे क्रिएट करे. इस फंक्शन की परिभाषा महत्वपूर्ण है क्योंकि हाइपरपैरामीटर ट्यूनिंग, आपकी फंक्शन को मिलने वाले आर्ग्युमेंट्स को बदलकर की जाती है.

एक साधारण create_model() फंक्शन बनाइए जो आर्ग्युमेंट्स के रूप में learning rate और activation function दोनों ले. Adam ऑप्टिमाइज़र को tensorflow.keras.optimizers से एक ऑब्जेक्ट के रूप में इम्पोर्ट किया गया है ताकि आप उसके learning rate पैरामीटर को भी बदल सकें.

यह अभ्यास पाठ्यक्रम का हिस्सा है

Keras के साथ डीप लर्निंग परिचय

पाठ्यक्रम देखें

अभ्यास निर्देश

  • Adam ऑप्टिमाइज़र ऑब्जेक्ट का learning rate, आर्ग्युमेंट्स में पास किए गए मान पर सेट करें.
  • hidden layers की activations को, आर्ग्युमेंट्स में पास किए गए मान पर सेट करें.
  • .compile() मेथड में ऑप्टिमाइज़र और binary cross-entropy लॉस पास करें.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# Creates a model given an activation and learning rate
def create_model(learning_rate, activation):
  
  	# Create an Adam optimizer with the given learning rate
  	opt = Adam(lr = ____)
  	
  	# Create your binary classification model  
  	model = Sequential()
  	model.add(Dense(128, input_shape = (30,), activation = ____))
  	model.add(Dense(256, activation = ____))
  	model.add(Dense(1, activation = 'sigmoid'))
  	
  	# Compile your model with your optimizer, loss, and metrics
  	model.compile(optimizer = ____, loss = ____, metrics = ['accuracy'])
  	return model
कोड संपादित करें और चलाएँ