マルチラベルでの学習
マルチラベルの model の出力例は、[0.76 , 0.99 , 0.66 ] のようになります。確率が 0.5 を超えるものを四捨五入して 1 にすれば、この観測は 3 つすべてのラベルを含むものとして [1,1,1] と分類されます。今回の課題では、これは入力されたセンサー計測値に基づき、ネットワークが「農場の3区画すべてに給水するのが適切」と判断したことを意味します。
これから、作成した model を使って学習と予測を行います。
sensors_train、parcels_train、sensors_test、parcels_test はすでに読み込まれています。
あなたのインテリジェントマシンがどれだけうまく動くか見てみましょう！
この演習はコースの一部です
Kerasで学ぶIntroduction to Deep Learning
演習の手順
validation_splitを 0.2 にして、100epochs学習させてください。- テストデータを使って
modelで予測してください。 np.round()でpredsを四捨五入してください。- テストデータでモデルの精度を評価してください。
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。
# Train for 100 epochs using a validation split of 0.2
____.____(____, ____, epochs = ____, validation_split = ____)
# Predict on sensors_test and round up the predictions
preds = ____.____(____)
preds_rounded = np.round(____)
# Print rounded preds
print('Rounded Predictions: \n', preds_rounded)
# Evaluate your model's accuracy on the test data
accuracy = model.evaluate(____, ____)[1]
# Print accuracy
print('Accuracy:', accuracy)