Avaliação da precisão do modelo no conjunto de dados de validação

Agora é a sua vez de monitorar a precisão do modelo com um conjunto de dados de validação. Uma definição de modelo foi fornecida em model. Seu trabalho é adicionar o código para compilá-lo e, em seguida, ajustá-lo. Você verificará a pontuação de validação em cada época.

Este exercício faz parte do curso

Introdução à aprendizagem profunda em Python

Ver Curso

Instruções de exercício

Compile seu modelo usando 'adam' como optimizer e 'categorical_crossentropy' para loss. Para ver qual fração das previsões está correta ( accuracy) em cada época, especifique o argumento de palavra-chave adicional metrics=['accuracy'] em model.compile().
Ajuste o modelo usando os sites predictors e target. Crie uma divisão de validação de 30% (ou 0.3). Isso será relatado em cada época.

Exercício interativo prático

Experimente este exercício preenchendo este código de exemplo.

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

# Specify the model
model = Sequential()
model.add(Dense(100, activation='relu', input_shape = input_shape))
model.add(Dense(100, activation='relu'))
model.add(Dense(2, activation='softmax'))

# Compile the model
____

# Fit the model
hist = ____

Editar e executar código