検証データセットでのモデル精度の評価
ここからは、検証データセットを使ってモデルの精度を監視していきます。モデル定義は model として用意されています。あなたのタスクは、これをコンパイルし、続いてフィットさせるコードを追加することです。各エポックで検証スコアを確認します。
この演習はコースの一部です
Pythonで学ぶDeep Learning入門
演習の手順
optimizerに'adam'、lossに'categorical_crossentropy'を指定してモデルをコンパイルします。各エポックで予測の正解率（accuracy）を確認するには、model.compile()で追加のキーワード引数metrics=['accuracy']を指定します。predictorsとtargetを使ってモデルをフィットします。検証データの割合は 30%（0.3）に設定します。これが各エポックでレポートされます。
実践的なインタラクティブ演習
このサンプルコードを完成させて、この演習に挑戦してみましょう。
# 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 = ____