Voorspellingen maken

Het getrainde netwerk uit je vorige code-oefening is nu opgeslagen als model. Nieuwe gegevens om voorspellingen mee te doen staan in een NumPy-array als pred_data. Gebruik model om voorspellingen te maken voor je nieuwe data.

In deze oefening zijn je voorspellingen waarschijnlijkheden. Dat is de meest gebruikelijke manier waarop data scientists hun voorspellingen delen met collega’s.

Deze oefening maakt deel uit van de cursus

Introductie tot Deep Learning in Python

Cursus bekijken

Oefeninstructies

Maak je voorspellingen met behulp van de .predict()-methode van het model op pred_data.
Gebruik NumPy-indexering om de kolom te vinden die overeenkomt met de voorspelde waarschijnlijkheden dat overleven True is. Dit is de tweede kolom (index 1) van predictions. Sla het resultaat op in predicted_prob_true en print het.

Praktische interactieve oefening

Probeer deze oefening eens door deze voorbeeldcode in te vullen.

# Specify, compile, and fit the model
model = Sequential()
model.add(Dense(32, activation='relu', input_shape = (n_cols,)))
model.add(Dense(2, activation='softmax'))
model.compile(optimizer='sgd', 
              loss='categorical_crossentropy', 
              metrics=['accuracy'])
model.fit(predictors, target)

# Calculate predictions: predictions
predictions = ____

# Calculate predicted probability of survival: predicted_prob_true
predicted_prob_true = ____

# Print predicted_prob_true
print(predicted_prob_true)

Code bewerken en uitvoeren