Ultimii pași în modelele de clasificare

Acum vei crea un model de clasificare folosind setul de date Titanic, care a fost deja încărcat într-un DataFrame numit df. Vei folosi informații despre pasageri pentru a prezice care dintre ei au supraviețuit.

Variabilele predictive sunt stocate într-un array NumPy numit predictors. Ținta de prezis se află în df.survived, deși va trebui să o transformi pentru Keras. Numărul de caracteristici predictive este stocat în n_cols.

Aici vei folosi optimizatorul 'sgd', care provine de la Stochastic Gradient Descent. Vei afla mai multe despre acesta în capitolul următor!

Acest exercițiu face parte din cursul

Introducere în Deep Learning în Python

Vezi cursul

Instrucțiuni pentru exercițiu

Convertește df.survived într-o variabilă categorică folosind funcția to_categorical().
Specifică un model Sequential numit model.
Adaugă un strat Dense cu 32 de noduri. Folosește 'relu' ca activation și (n_cols,) ca input_shape.
Adaugă stratul de ieșire Dense. Deoarece există două rezultate posibile, acesta trebuie să aibă 2 unități, iar pentru că este un model de clasificare, activation trebuie să fie 'softmax'.
Compilează modelul folosind 'sgd' ca optimizer, 'categorical_crossentropy' ca funcție de pierdere și metrics=['accuracy'] pentru a vedea acuratețea (ce fracțiune din predicții au fost corecte) la sfârșitul fiecărei epoci.
Antrenează modelul folosind predictors și target.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

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

# Convert the target to categorical: target
target = ____

# Set up the model
model = ____

# Add the first layer
____

# Add the output layer
____

# Compile the model
____

# Fit the model
____

Editează și rulează codul