एक सरल न्यूरल नेट बनाएँ और फिट करें
अगला मॉडल जिसे आप इस्तेमाल करना सीखेंगे, वह है एक न्यूरल नेटवर्क। न्यूरल नेट्स वैरिएबल्स के बीच जटिल इंटरैक्शन पकड़ सकते हैं, लेकिन इन्हें सेटअप और समझना कठिन हो सकता है। हाल के वर्षों में, ये कई क्षेत्रों में मानव विशेषज्ञों को पछाड़ रहे हैं, जैसे इमेज रिकग्निशन और गेमिंग (AlphaGo देखें) — इसलिए इनके अच्छे प्रदर्शन की काफी संभावनाएँ हैं।
अपने नेट्स बनाने के लिए हम keras लाइब्रेरी का उपयोग करेंगे। यह एक हाई-लेवल API है जो हमें जल्दी से न्यूरल नेट बनाने देता है, फिर भी डिज़ाइन पर पर्याप्त कंट्रोल बनाए रखता है। सबसे पहले हम लगभग सबसे सरल नेट बनाएँगे — एक 3-लेयर नेट जो हमारे इनपुट लेता है और एक सिंगल वैल्यू प्रेडिक्ट करता है। sklearn मॉडलों की तरह, keras मॉडलों में भी .fit() मेथड होता है जो (features, targets) आर्ग्युमेंट्स लेता है।
यह अभ्यास पाठ्यक्रम का हिस्सा है
Python में Finance के लिए Machine Learning
अभ्यास निर्देश
- न्यूरल नेटवर्क की 2\(^{nd}\) लेयर के रूप में 20 नोड्स और ReLU (
'relu') एक्टिवेशन वाली एक dense लेयर बनाएँ। - आखिरी dense लेयर 1 नोड और लीनियर एक्टिवेशन (
activation='linear') के साथ बनाएँ। - मॉडल को
scaled_train_featuresऔरtrain_targetsपर फिट करें.
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
from keras.models import Sequential
from keras.layers import Dense
# Create the model
model_1 = Sequential()
model_1.add(Dense(100, input_dim=scaled_train_features.shape[1], activation='relu'))
model_1.add(Dense(____, activation=____))
model_1.add(Dense(____, activation=____))
# Fit the model
model_1.compile(optimizer='adam', loss='mse')
history = model_1.fit(____, ____, epochs=25)