Czy potrzebujemy więcej danych?

Czas sprawdzić, czy model zbudowany na zbiorze digits dataset zyskuje na większej liczbie przykładów treningowych!

Aby zminimalizować ilość kodu, kilka elementów jest już zainicjalizowanych i gotowych do użycia:

Zbudowany przez ciebie model.
X_train, y_train, X_test i y_test.
initial_weights – wagi modelu zapisane za pomocą model.get_weights().
Wstępnie zdefiniowana lista rozmiarów zbioru treningowego: training_sizes.
Wstępnie zdefiniowany callback zatrzymujący trening na podstawie straty: early_stop.
Dwie puste listy do przechowywania wyników ewaluacji: train_accs i test_accs.

Wytrenuj model na różnych rozmiarach zbioru treningowego i oceń wyniki na X_test. Na końcu zwizualizuj wyniki za pomocą plot_results().

Pełny kod tego ćwiczenia znajdziesz na slajdach!

Pobierz fragment danych treningowych wyznaczony przez wartość size aktualnie ocenianą w pętli.
Ustaw wagi modelu na initial_weights za pomocą set_weights() i wytrenuj model na wybranym fragmencie danych, używając early_stop jako callbacku.
Oceń i zapisz dokładność dla fragmentu danych treningowych oraz dla zbioru testowego.
Wywołaj plot_results(), przekazując dokładności treningowe i testowe dla każdego rozmiaru zbioru treningowego.