시작하기무료로 시작하기

교차 검증으로 학습하기

이제 찾은 최적의 하이퍼파라미터로 모델을 학습해 볼까요? 학습률 0.001, 에포크 50, 배치 크기 128, ReLU 활성화 함수입니다.

이전 연습 문제의 create_model() 함수는 바로 사용하실 수 있어요. 특징 행렬 X와 레이블 y도 이미 로드되어 있습니다.

KerasClassifier 객체를 만들 때, 교차 검증에서 사용될 수 있도록 모델의 최적 값을 지정해 주세요.

이 장의 마지막으로 유방암 데이터셋에서 튜닝된 훌륭한 모델을 학습해 보세요!

이 연습은 강의의 일부입니다

Keras로 시작하는 딥 러닝

강의 보기

연습 안내

  • tensorflow.keras의 scikit_learn 래퍼에서 KerasClassifier를 임포트하세요.
  • 찾은 최적의 하이퍼파라미터로 KerasClassifier 객체를 생성하세요.
  • model과 특징, 레이블을 cross_val_score에 전달해 3-폴드 교차 검증을 수행하세요.

실습형 인터랙티브 연습

이 예제를 이 샘플 코드를 완성하여 풀어보세요.

# 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())
코드 편집 및 실행