Zacznij terazZacznij za darmo

Trening z walidacją krzyżową

Czas wytrenować model z najlepszymi znalezionymi parametrami: 0,001 dla współczynnika uczenia, 50 epok, batch_size równy 128 oraz aktywacje relu.

Funkcja create_model() z poprzedniego ćwiczenia jest gotowa do użycia. X i y są wczytane jako cechy i etykiety.

Tworząc obiekt KerasClassifier, użyj najlepszych znalezionych wartości, aby były one stosowane podczas walidacji krzyżowej.

Zakończ ten rozdział, trenując świetnie dostrojony model na zbiorze danych dotyczącym raka piersi!

To ćwiczenie jest częścią kursu

Wprowadzenie do uczenia głębokiego z Keras

Zobacz kurs

Instrukcje do ćwiczenia

  • Zaimportuj KerasClassifier z wrapperów scikit_learn dostępnych w tensorflow.keras.
  • Utwórz obiekt KerasClassifier, podając najlepsze znalezione parametry.
  • Przekaż swój model, cechy i etykiety do cross_val_score, aby wykonać walidację krzyżową z 3 podziałami.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# Import KerasClassifier from tensorflow.keras wrappers
from tensorflow.keras.wrappers.____ import ____

# Create a KerasClassifier
model = ____(build_fn = create_model(learning_rate = ____, activation = ____), epochs = ____, 
             batch_size = ____, verbose = 0)

# Calculate the accuracy score for each fold
kfolds = cross_val_score(____, ____, ____, cv = ____)

# Print the mean accuracy
print('The mean accuracy was:', kfolds.mean())

# Print the accuracy standard deviation
print('With a standard deviation of:', kfolds.std())
Edytuj i uruchom kod