Langkah terakhir pada model klasifikasi

Sekarang Anda akan membuat model klasifikasi menggunakan himpunan data titanic, yang telah dimuat sebelumnya ke dalam DataFrame bernama df. Anda akan menggunakan informasi tentang penumpang dan memprediksi siapa yang selamat.

Variabel prediktor disimpan dalam array NumPy predictors. Target yang akan diprediksi ada di df.survived, meskipun Anda perlu memanipulasinya agar sesuai untuk Keras. Jumlah fitur prediktif disimpan dalam n_cols.

Di sini, Anda akan menggunakan pengoptimal 'sgd', singkatan dari Stochastic Gradient Descent. Anda akan mempelajari lebih lanjut tentang ini di bab berikutnya!

Latihan ini adalah bagian dari kursus

Pengantar Deep Learning dengan Python

Lihat Kursus

Petunjuk latihan

Konversi df.survived menjadi variabel kategorikal menggunakan fungsi to_categorical().
Tentukan model Sequential bernama model.
Tambahkan lapisan Dense dengan 32 node. Gunakan 'relu' sebagai activation dan (n_cols,) sebagai input_shape.
Tambahkan lapisan keluaran Dense. Karena ada dua keluaran, lapisan ini harus memiliki 2 unit, dan karena ini adalah model klasifikasi, activation harus 'softmax'.
Kompilasi model, gunakan 'sgd' sebagai optimizer, 'categorical_crossentropy' sebagai fungsi loss, dan metrics=['accuracy'] untuk melihat akurasi (proporsi prediksi yang benar) pada akhir setiap epoch.
Latih model menggunakan predictors dan target.

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
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
____

Edit dan Jalankan Kode