Оценка точности модели на валидационной выборке
Теперь попробуйте самостоятельно отслеживать точность модели с помощью валидационной выборки. Определение модели уже задано в переменной model. Ваша задача — добавить код для её компиляции и обучения. В каждой эпохе вы будете проверять значение метрики на валидационной выборке.
Это упражнение является частью курса
Введение в глубокое обучение на Python
Инструкции к упражнению
- Скомпилируйте модель, указав
'adam'в качествеoptimizerи'categorical_crossentropy'в качествеloss. Чтобы отслеживать долю правильных предсказаний (accuracy) в каждой эпохе, добавьте именованный аргументmetrics=['accuracy']в вызовmodel.compile(). - Выполните обучение модели на данных
predictorsиtarget. Задайте валидационную выборку в размере 30% (то есть0.3). Значение метрики будет выводиться после каждой эпохи.
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
# 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 = ____