Mulai sekarangMulai gratis

Pelatihan dengan validasi silang

Saatnya melatih model Anda dengan parameter terbaik yang ditemukan: 0.001 untuk learning rate, 50 epochs, batch_size 128 dan aktivasi relu.

Fungsi create_model() dari latihan sebelumnya sudah siap digunakan. X dan y telah dimuat sebagai fitur dan label.

Gunakan nilai terbaik yang ditemukan untuk model Anda saat membuat objek KerasClassifier sehingga nilai tersebut digunakan saat melakukan cross_validation.

Akhiri bab ini dengan melatih model yang telah disetel dengan baik pada breast cancer dataset!

Latihan ini merupakan bagian dari kursus

Pengantar Deep Learning dengan Keras

Lihat Kursus

Instruksi latihan

  • Impor KerasClassifier dari wrapper scikit_learn tensorflow.keras.
  • Buat objek KerasClassifier dengan memberikan parameter terbaik yang ditemukan.
  • Teruskan model, fitur, dan label Anda ke cross_val_score untuk melakukan validasi silang dengan 3 fold.

Latihan interaktif langsung praktik

Cobalah latihan ini dengan melengkapi kode contoh ini.

# Import KerasClassifier from tensorflow.keras wrappers
from tensorflow.keras.wrappers.____ import ____

# Create a KerasClassifier
model = ____(build_fn = create_model(learning_rate = ____, activation = ____), epochs = ____, 
             batch_size = ____, verbose = 0)

# Calculate the accuracy score for each fold
kfolds = cross_val_score(____, ____, ____, cv = ____)

# Print the mean accuracy
print('The mean accuracy was:', kfolds.mean())

# Print the accuracy standard deviation
print('With a standard deviation of:', kfolds.std())
Edit dan Jalankan Kode