Kompilasi sebuah model
Langkah terakhir dalam membuat model adalah mengompilasinya. Setelah Anda membuat model, Anda harus mengompilasinya sebelum dapat memasangkannya ke data. Langkah ini memfinalisasi model Anda, mengunci semua pengaturannya, dan menyiapkannya untuk bertemu data!
Selama proses kompilasi, Anda menentukan optimizer yang akan digunakan untuk memasangkan model ke data, serta fungsi loss. 'adam' adalah optimizer bawaan yang baik dan umumnya bekerja dengan baik. Fungsi loss bergantung pada masalah yang dihadapi. Mean squared error adalah fungsi loss yang umum dan akan mengoptimalkan untuk memprediksi mean, seperti pada least squares regression.
Mean absolute error mengoptimalkan untuk median dan digunakan dalam regresi kuantil. Untuk himpunan data ini, 'mean_absolute_error' bekerja cukup baik, jadi gunakan itu sebagai fungsi loss Anda.
Latihan ini merupakan bagian dari kursus
Deep Learning Tingkat Lanjut dengan Keras
Instruksi latihan
- Kompilasi model yang telah Anda buat (
model). - Gunakan optimizer
'adam'. - Gunakan loss mean absolute error (atau
'mean_absolute_error').
Latihan interaktif langsung praktik
Cobalah latihan ini dengan melengkapi kode contoh ini.
# Compile the model
____(optimizer=____, loss=____)