Завершающие шаги в построении классификационных моделей

Теперь вы создадите классификационную модель на основе набора данных о пассажирах «Титаника», который уже загружен в DataFrame df. По информации о пассажирах нужно предсказать, кто из них выжил.

Предиктивные переменные хранятся в массиве NumPy predictors. Целевая переменная — df.survived, однако перед использованием в Keras её потребуется преобразовать. Количество предиктивных признаков задано переменной n_cols.

В этом упражнении используется оптимизатор 'sgd', что расшифровывается как стохастический градиентный спуск. Подробнее об этом вы узнаете в следующей главе!

Это упражнение является частью курса

Введение в глубокое обучение на Python

Посмотреть курс

Инструкции к упражнению

Преобразуйте df.survived в категориальную переменную с помощью функции to_categorical().
Задайте модель Sequential и назовите её model.
Добавьте слой Dense с 32 узлами. Укажите 'relu' в качестве activation и (n_cols,) в качестве input_shape.
Добавьте выходной слой Dense. Поскольку возможны два исхода, он должен содержать 2 узла, а так как это классификационная модель, параметр activation должен быть равен 'softmax'.
Скомпилируйте модель, указав 'sgd' в качестве optimizer, 'categorical_crossentropy' в качестве функции потерь и metrics=['accuracy'], чтобы отслеживать долю верных предсказаний в конце каждой эпохи.
Обучите модель, передав в неё predictors и target.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# 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
____

Редактировать и запускать код