Melatih neural net dengan fungsi loss kustom

Sekarang kita akan menggunakan fungsi loss kustom yang baru saja kita buat. Ini memungkinkan kita mengubah perilaku model dengan cara yang berguna sesuai dengan masalah kita — model akan berusaha minimal untuk mempelajari arah pergerakan harga dengan benar. Yang perlu kita lakukan sekarang adalah menetapkan argumen loss pada fungsi .compile() ke nama fungsi kita, sign_penalty. Kita akan meninjau kembali nilai loss selama pelatihan untuk memastikan kurvanya sudah mendatar.

Latihan ini merupakan bagian dari kursus

Machine Learning untuk Keuangan dengan Python

Lihat Kursus

Instruksi latihan

Tetapkan input_dim pada layer pertama neural network menjadi jumlah kolom scaled_train_features menggunakan properti .shape[1].
Gunakan fungsi loss kustom sign_penalty untuk .compile() model_2 kita.
Plot nilai loss dari history hasil pelatihan. Nilai loss berada pada history.history['loss'].

Latihan interaktif langsung praktik

Cobalah latihan ini dengan melengkapi kode contoh ini.

# Create the model
model_2 = Sequential()
model_2.add(Dense(100, input_dim=____, activation='relu'))
model_2.add(Dense(20, activation='relu'))
model_2.add(Dense(1, activation='linear'))

# Fit the model with our custom 'sign_penalty' loss function
model_2.compile(optimizer='adam', loss=____)
history = model_2.fit(scaled_train_features, train_targets, epochs=25)
plt.plot(____)
plt.title('loss:' + str(round(history.history['loss'][-1], 6)))
plt.show()

Edit dan Jalankan Kode