始める無料で始める

クロスバリデーションで学習する

見つかった最良のパラメータでモデルを学習しましょう。learning rate は 0.001、50 epochs、batch_size は 128、活性化関数は relu です。

前の演習で作成した create_model() 関数はすぐに使える状態です。特徴量 X とラベル y も読み込まれています。

KerasClassifier オブジェクトを作成する際に、見つかった最良値を指定し、cross_validation 実行時にそれらが使われるようにしてください。

この章の締めくくりとして、breast cancer データセットでチューニング済みの優れたモデルを学習しましょう！

この演習はコースの一部です

Kerasで学ぶIntroduction to Deep Learning

コースを見る

演習の手順

  • tensorflow.keras の scikit_learn ラッパーから KerasClassifier をインポートします。
  • 見つかった最良パラメータを指定して KerasClassifier オブジェクトを作成します。
  • cross_val_score に model、特徴量、ラベルを渡し、3 分割のクロスバリデーションを実行します。

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。

# 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())
コードを編集して実行