Especificação de um modelo

Agora você começará a trabalhar com seu primeiro modelo no Keras e poderá executar imediatamente modelos de rede neural mais complexos em conjuntos de dados maiores em comparação com os dois primeiros capítulos.

Para começar, você pegará o esqueleto de uma rede neural e adicionará uma camada oculta e uma camada de saída. Em seguida, você ajustará esse modelo e verá o Keras fazer a otimização para que seu modelo fique cada vez melhor.

Para começar, você poderá prever os salários dos funcionários com base em características como setor, formação e nível de experiência. Você pode encontrar o conjunto de dados em um DataFrame do pandas chamado df. Por conveniência, tudo em df, exceto o alvo, foi convertido em uma matriz NumPy chamada predictors. O alvo, wage_per_hour, está disponível como uma matriz NumPy chamada target.

Para todos os exercícios deste capítulo, importamos o construtor do modelo Sequential, o construtor da camada Dense e o pandas.

Este exercício faz parte do curso

Introdução à aprendizagem profunda em Python

Ver Curso

Instruções de exercício

Armazene o número de colunas nos dados do predictors em n_cols. Isso foi feito para você.
Comece criando um modelo Sequential chamado model.
Use o método .add() em model para adicionar uma camada Dense.
- Adicione unidades 50, especifique activation='relu' e o parâmetro input_shape para ser a tupla (n_cols,), o que significa que você tem n_cols itens em cada linha de dados, e qualquer número de linhas de dados é aceitável como entrada.
Adicione outra camada de Dense. Você deve ter 32 unidades e uma ativação 'relu'.
Por fim, adicione uma camada de saída, que é uma camada Dense com um único nó. Não use nenhuma função de ativação aqui.

Exercício interativo prático

Experimente este exercício preenchendo este código de exemplo.

# Import necessary modules
from tensorflow.keras.layers import Dense
from tensorflow.keras.models import Sequential

# Save the number of columns in predictors: n_cols
n_cols = predictors.shape[1]

# Set up the model: model
model = ____

# Add the first layer
____.____(____(____, ____=____, ____=(____)))

# Add the second layer
____

# Add the output layer
____

Editar e executar código