시작하기무료로 시작하기

튜닝을 위한 모델 준비

이진 분류 모델의 하이퍼파라미터를 튜닝해서 breast cancer 데이터셋을 잘 분류해 보죠.

모델을 sklearn 추정기(estimator)로 바꾸는 첫 단계는, 모델을 생성하는 함수를 만드는 것이었어요. 이 함수의 정의가 중요한 이유는, 하이퍼파라미터 튜닝이 함수에 전달되는 인자를 바꾸는 방식으로 이루어지기 때문이에요.

학습률과 활성화 함수를 인자로 받는 간단한 create_model() 함수를 만들어 보세요. Adam 옵티마이저는 tensorflow.keras.optimizers에서 객체로 임포트되어 있으므로, 학습률 파라미터도 변경할 수 있어요.

이 연습은 강의의 일부입니다

Keras로 시작하는 딥 러닝

강의 보기

연습 안내

  • Adam 옵티마이저 객체의 학습률을 인자로 전달된 값으로 설정하세요.
  • 은닉층의 활성화 함수를 인자로 전달된 값으로 설정하세요.
  • .compile() 메서드에 옵티마이저와 binary cross-entropy 손실을 전달하세요.

실습형 인터랙티브 연습

이 예제를 이 샘플 코드를 완성하여 풀어보세요.

# Creates a model given an activation and learning rate
def create_model(learning_rate, activation):
  
  	# Create an Adam optimizer with the given learning rate
  	opt = Adam(lr = ____)
  	
  	# Create your binary classification model  
  	model = Sequential()
  	model.add(Dense(128, input_shape = (30,), activation = ____))
  	model.add(Dense(256, activation = ____))
  	model.add(Dense(1, activation = 'sigmoid'))
  	
  	# Compile your model with your optimizer, loss, and metrics
  	model.compile(optimizer = ____, loss = ____, metrics = ['accuracy'])
  	return model
코드 편집 및 실행