1. Uczyć się
    2. /
  2. Courses
    3. /
  3. Wprowadzenie do uczenia głębokiego w Pythonie
Connected

Exercise

Ocena dokładności modelu na zbiorze walidacyjnym

Teraz twoja kolej, aby monitorować dokładność modelu przy użyciu zbioru walidacyjnego. Definicja modelu została dostarczona jako model. Twoim zadaniem jest dodanie kodu, który go skompiluje, a następnie dopasuje. W każdej epoce sprawdzisz wynik walidacji.

Instrukcje

100 XP
  • Skompiluj model, używając 'adam' jako optimizer i 'categorical_crossentropy' dla loss. Aby w każdej epoce widzieć, jaki odsetek predykcji jest poprawny (parametr accuracy), podaj dodatkowy argument metrics=['accuracy'] w wywołaniu model.compile().
  • Dopasuj model, korzystając z danych predictors i target. Ustaw podział walidacyjny na 30% (czyli 0.3). Wynik będzie raportowany po każdej epoce.