1. Nauka
    2. /
  2. Kursy
    3. /
  3. Wprowadzenie do uczenia głębokiego w Pythonie
Connected

ćwiczenie

Ostatnie kroki w modelach klasyfikacji

Teraz zbudujesz model klasyfikacji na podstawie zbioru danych Titanic, który został wcześniej wczytany do ramki danych df. Wykorzystasz informacje o pasażerach, aby przewidzieć, którzy z nich przeżyli.

Zmienne predykcyjne są przechowywane w tablicy NumPy predictors. Zmienna docelowa to df.survived – trzeba ją jednak odpowiednio przetworzyć dla Keras. Liczba cech predykcyjnych jest zapisana w zmiennej n_cols.

W tym ćwiczeniu użyjesz optymalizatora 'sgd', który oznacza stochastyczny spadek gradientu. Więcej na ten temat dowiesz się w kolejnym rozdziale!

Instrukcje

100 XP
  • Przekształć df.survived na zmienną kategoryczną za pomocą funkcji to_categorical().
  • Zdefiniuj model Sequential i przypisz go do zmiennej model.
  • Dodaj warstwę Dense z 32 węzłami. Jako activation podaj 'relu', a jako input_shape użyj (n_cols,).
  • Dodaj wyjściową warstwę Dense. Ponieważ są dwa możliwe wyniki, powinna mieć 2 jednostki, a jako activation – zgodnie z wymaganiami modelu klasyfikacji – podaj 'softmax'.
  • Skompiluj model, używając 'sgd' jako optimizer, 'categorical_crossentropy' jako funkcji straty oraz metrics=['accuracy'], aby śledzić dokładność (czyli jaki odsetek prognoz był poprawny) na końcu każdej epoki.
  • Dopasuj model, korzystając ze zmiennych predictors i target.