ÎncepețiÎncepe gratuit

Pregătirea unui model pentru ajustarea hiperparametrilor

Să ajustăm hiperparametrii unui model de clasificare binară care funcționează bine pe setul de date breast cancer.

Ai văzut că primul pas pentru a transforma un model într-un estimator sklearn este să construiești o funcție care îl creează. Definiția acestei funcții este importantă, deoarece ajustarea hiperparametrilor se realizează prin varierea argumentelor pe care le primește funcția ta.

Construiește o funcție simplă create_model() care primește atât rata de învățare, cât și o funcție de activare ca argumente. Optimizatorul Adam a fost importat ca obiect din tensorflow.keras.optimizers, astfel încât să poți modifica și parametrul ratei de învățare.

Acest exercițiu face parte din cursul

Introducere în Deep Learning cu Keras

Vezi cursul

Instrucțiuni pentru exercițiu

  • Setează rata de învățare a obiectului optimizer Adam la valoarea primită prin argumente.
  • Setează funcțiile de activare ale straturilor ascunse la valoarea primită prin argumente.
  • Transmite optimizatorul și funcția de pierdere binary cross-entropy metodei .compile().

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# Creates a model given an activation and learning rate
def create_model(learning_rate, activation):
  
  	# Create an Adam optimizer with the given learning rate
  	opt = Adam(lr = ____)
  	
  	# Create your binary classification model  
  	model = Sequential()
  	model.add(Dense(128, input_shape = (30,), activation = ____))
  	model.add(Dense(256, activation = ____))
  	model.add(Dense(1, activation = 'sigmoid'))
  	
  	# Compile your model with your optimizer, loss, and metrics
  	model.compile(optimizer = ____, loss = ____, metrics = ['accuracy'])
  	return model
Editează și rulează codul