Dopasowywanie modelu
Czas na najciekawszą część – dopasowanie modelu. Dane używane jako cechy predykcyjne są załadowane do tablicy NumPy o nazwie predictors, natomiast dane do przewidywania są przechowywane w tablicy NumPy o nazwie target. Twój model jest już gotowy i skompilowany przy użyciu kodu z poprzedniego ćwiczenia.
To ćwiczenie jest częścią kursu
Wprowadzenie do uczenia głębokiego w Pythonie
Instrukcje do ćwiczenia
- Dopasuj
model. Pamiętaj, że pierwszym argumentem są cechy predykcyjne (predictors), a drugim – dane do przewidywania (target).
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Import necessary modules
from tensorflow.keras.layers import Dense
from tensorflow.keras.models import Sequential
# Specify the model
n_cols = predictors.shape[1]
model = Sequential()
model.add(Dense(50, activation='relu', input_shape = (n_cols,)))
model.add(Dense(32, activation='relu'))
model.add(Dense(1))
# Compile the model
model.compile(optimizer='adam', loss='mean_squared_error')
# Fit the model
____