Kompilacja modelu

Ostatnim krokiem tworzenia modelu jest jego kompilacja. Po zbudowaniu modelu musisz go skompilować, zanim dopasowanie go do danych będzie możliwe. Ten krok finalizuje model, zatwierdza wszystkie jego ustawienia i przygotowuje go na przyjęcie danych!

Podczas kompilacji określasz optymalizator używany do dopasowania modelu do danych oraz funkcję straty. 'adam' to dobry domyślny optymalizator – sprawdza się w większości przypadków. Wybór funkcji straty zależy od rodzaju problemu. Błąd średniokwadratowy to powszechna funkcja straty, która optymalizuje predykcję średniej – tak jak w regresji najmniejszych kwadratów.

Błąd średniobezwzględny optymalizuje medianę i stosuje się go w regresji kwantylowej. Dla tego zbioru danych 'mean_absolute_error' sprawdza się bardzo dobrze – użyj go jako funkcji straty.