Mengevaluasi akurasi model pada himpunan data validasi

Sekarang giliran Anda memantau akurasi model dengan himpunan data validasi. Definisi model telah disediakan sebagai model. Tugas Anda adalah menambahkan kode untuk mengompilasi lalu melatihnya. Anda akan memeriksa skor validasi pada setiap epoch.

Latihan ini adalah bagian dari kursus

Pengantar Deep Learning dengan Python

Lihat Kursus

Petunjuk latihan

Kompilasi model Anda menggunakan 'adam' sebagai optimizer dan 'categorical_crossentropy' untuk loss. Untuk melihat porsi prediksi yang benar (accuracy) pada setiap epoch, tentukan argumen kata kunci tambahan metrics=['accuracy'] di model.compile().
Latih model menggunakan predictors dan target. Buat validation split sebesar 30% (atau 0.3). Nilai ini akan dilaporkan pada setiap epoch.

Latihan interaktif praktis

Cobalah latihan ini dengan menyelesaikan kode contoh berikut.

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

# Specify the model
model = Sequential()
model.add(Dense(100, activation='relu', input_shape = input_shape))
model.add(Dense(100, activation='relu'))
model.add(Dense(2, activation='softmax'))

# Compile the model
____

# Fit the model
hist = ____

Edit dan Jalankan Kode