Menentukan sebuah model

Sekarang Anda akan bekerja dengan model pertama Anda di Keras, dan langsung dapat menjalankan model jaringan saraf yang lebih kompleks pada himpunan data yang lebih besar dibandingkan dua bab pertama.

Untuk memulai, Anda akan mengambil kerangka jaringan saraf dan menambahkan satu lapisan tersembunyi serta satu lapisan keluaran. Lalu Anda akan melatih model tersebut dan melihat Keras melakukan optimisasi sehingga model Anda terus membaik.

Sebagai awal, Anda akan memprediksi upah pekerja berdasarkan karakteristik seperti industri, pendidikan, dan tingkat pengalaman mereka. Anda dapat menemukan himpunan data dalam sebuah pandas DataFrame bernama df. Untuk kemudahan, semua di df kecuali target telah dikonversi menjadi array NumPy bernama predictors. Target, wage_per_hour, tersedia sebagai array NumPy bernama target.

Untuk semua latihan di bab ini, kami telah mengimpor konstruktor model Sequential, konstruktor lapisan Dense, dan pandas.

Latihan ini adalah bagian dari kursus

Pengantar Deep Learning dengan Python

Lihat Kursus

Petunjuk latihan

Simpan jumlah kolom pada data predictors ke n_cols. Ini telah dilakukan untuk Anda.
Mulailah dengan membuat model Sequential bernama model.
Gunakan metode .add() pada model untuk menambahkan satu lapisan Dense.
- Tambahkan 50 unit, tentukan activation='relu', dan parameter input_shape sebagai tuple (n_cols,) yang berarti terdapat n_cols item pada setiap baris data, dan berapa pun jumlah baris data dapat diterima sebagai masukan.
Tambahkan satu lapisan Dense lagi. Lapisan ini harus memiliki 32 unit dan aktivasi 'relu'.
Terakhir, tambahkan lapisan keluaran, yaitu lapisan Dense dengan satu node. Jangan gunakan fungsi aktivasi apa pun di sini.

Latihan interaktif praktis

Cobalah latihan ini dengan menyelesaikan kode contoh berikut.

# Import necessary modules
from tensorflow.keras.layers import Dense
from tensorflow.keras.models import Sequential

# Save the number of columns in predictors: n_cols
n_cols = predictors.shape[1]

# Set up the model: model
model = ____

# Add the first layer
____.____(____(____, ____=____, ____=(____)))

# Add the second layer
____

# Add the output layer
____

Edit dan Jalankan Kode