Mulai sekarangMulai gratis

Menyiapkan model untuk penalaan

Mari kita melakukan penalaan hyperparameter pada model klasifikasi biner yang berkinerja baik untuk mengklasifikasikan himpunan data kanker payudara.

Anda telah melihat bahwa langkah pertama untuk mengubah model menjadi estimator sklearn adalah membangun fungsi yang membuat model tersebut. Definisi fungsi ini penting karena penalaan hyperparameter dilakukan dengan memvariasikan argumen yang diterima fungsi Anda.

Buat fungsi create_model() sederhana yang menerima learning rate dan fungsi aktivasi sebagai argumen. Optimizer Adam telah diimpor sebagai objek dari tensorflow.keras.optimizers sehingga Anda juga dapat mengubah parameter learning rate-nya.

Latihan ini merupakan bagian dari kursus

Pengantar Deep Learning dengan Keras

Lihat Kursus

Instruksi latihan

  • Atur learning rate dari objek optimizer Adam ke nilai yang diteruskan dalam argumen.
  • Atur aktivasi pada layer tersembunyi ke nilai yang diteruskan dalam argumen.
  • Berikan optimizer dan loss binary cross-entropy ke metode .compile().

Latihan interaktif langsung praktik

Cobalah latihan ini dengan melengkapi kode contoh ini.

# Creates a model given an activation and learning rate
def create_model(learning_rate, activation):
  
  	# Create an Adam optimizer with the given learning rate
  	opt = Adam(lr = ____)
  	
  	# Create your binary classification model  
  	model = Sequential()
  	model.add(Dense(128, input_shape = (30,), activation = ____))
  	model.add(Dense(256, activation = ____))
  	model.add(Dense(1, activation = 'sigmoid'))
  	
  	# Compile your model with your optimizer, loss, and metrics
  	model.compile(optimizer = ____, loss = ____, metrics = ['accuracy'])
  	return model
Edit dan Jalankan Kode