Kom igångKom igång gratis

Träning med korsvalidering

Nu är det dags att träna din modell med de bästa parametrarna: 0,001 för inlärningshastigheten, 50 epoker, en batch_size på 128 och relu-aktiveringar.

Funktionen create_model() från föregående övning är redo att använda. X och y är inlästa som särdrag och etiketter.

Använd de bästa värdena du hittat när du skapar ditt KerasClassifier-objekt, så att de används vid korsvalideringen.

Avsluta kapitlet med att träna en väloptimerad modell på bröstcancerdatamängden!

Den här övningen är en del av kursen

Introduktion till djupinlärning med Keras

Visa kurs

Övningsinstruktioner

  • Importera KerasClassifier från tensorflow.keras scikit_learn-omslutarna.
  • Skapa ett KerasClassifier-objekt och ange de bästa parametrarna du hittat.
  • Skicka din model, dina särdrag och etiketter till cross_val_score för att utföra korsvalidering med 3 delar.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Import KerasClassifier from tensorflow.keras wrappers
from tensorflow.keras.wrappers.____ import ____

# Create a KerasClassifier
model = ____(build_fn = create_model(learning_rate = ____, activation = ____), epochs = ____, 
             batch_size = ____, verbose = 0)

# Calculate the accuracy score for each fold
kfolds = cross_val_score(____, ____, ____, cv = ____)

# Print the mean accuracy
print('The mean accuracy was:', kfolds.mean())

# Print the accuracy standard deviation
print('With a standard deviation of:', kfolds.std())
Redigera och kör kod