검증 데이터셋에서 모델 정확도 평가
이제 검증 데이터셋으로 모델 정확도를 모니터링해 보세요. model이라는 모델 정의가 제공되어 있습니다. 여기에 컴파일 코드와 학습 코드를 추가하면 됩니다. 각 epoch에서 검증 점수를 확인하게 됩니다.
이 연습은 강의의 일부입니다
Python으로 시작하는 Deep Learning
연습 안내
optimizer는'adam',loss는'categorical_crossentropy'로 설정해 모델을 컴파일하세요. 각 epoch에서 올바른 예측의 비율(accuracy)을 확인하려면model.compile()에 추가 키워드 인수metrics=['accuracy']를 지정하세요.predictors와target을 사용해 모델을 학습하세요. 검증 분할을 30%(또는0.3)로 설정하세요. 이는 각 epoch마다 보고됩니다.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# 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 = ____