Förbered din datamängd
I konsolen kan du kontrollera att etiketterna i darts.competitor ännu inte är i ett format som ditt nätverk förstår. De innehåller deltagarnas namn som strängar. Du börjar med att omvandla deltagarna till unika tal och använder sedan funktionen to_categorical() från keras.utils för att konvertera dessa tal till deras one-hot-kodade representation.
Detta är användbart för klassificeringsproblem med flera klasser, eftersom det finns lika många utgångsneuroner som klasser – och för varje observation i datamängden vill vi att endast ett av neuronerna ska aktiveras.
Pil-datamängden är inläst som darts. Pandas är importerat som pd. Nu förbereder vi datamängden!
Den här övningen är en del av kursen
Introduktion till djupinlärning med Keras
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Transform into a categorical variable
darts.competitor = pd.____(darts.competitor)
# Assign a number to each category (label encoding)
darts.competitor = darts.competitor.____.____
# Print the label encoded competitors
print('Label encoded competitors: \n',darts.competitor.head())