เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

ขั้นตอนสุดท้ายของโมเดลการจำแนกประเภท

ต่อไปจะสร้างโมเดลการจำแนกประเภทโดยใช้ชุดข้อมูล Titanic ซึ่งถูกโหลดไว้แล้วใน DataFrame ชื่อ df โดยจะนำข้อมูลของผู้โดยสารมาทำนายว่าใครรอดชีวิตบ้าง

ตัวแปรสำหรับการทำนายถูกเก็บไว้ใน NumPy array ชื่อ predictors ส่วนเป้าหมายที่ต้องการทำนายอยู่ใน df.survived แต่จะต้องแปลงข้อมูลก่อนเพื่อให้ใช้งานกับ Keras ได้ จำนวนฟีเจอร์สำหรับการทำนายถูกเก็บไว้ใน n_cols

ในแบบฝึกหัดนี้จะใช้ optimizer ชื่อ 'sgd' ซึ่งย่อมาจาก Stochastic Gradient Descent และจะได้เรียนรู้เพิ่มเติมเกี่ยวกับเรื่องนี้ในบทถัดไป

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Introduction to Deep Learning in Python

ดูคอร์ส

คำแนะนำการฝึกหัด

  • แปลง df.survived ให้เป็นตัวแปรเชิงหมวดหมู่โดยใช้ฟังก์ชัน to_categorical()
  • ระบุโมเดลแบบ Sequential และกำหนดให้กับตัวแปรชื่อ model
  • เพิ่มเลเยอร์ Dense ที่มี 32 โหนด โดยใช้ 'relu' เป็น activation และ (n_cols,) เป็น input_shape
  • เพิ่มเลเยอร์เอาต์พุต Dense เนื่องจากมีผลลัพธ์ที่เป็นไปได้ 2 แบบ จึงควรมี 2 หน่วย และเนื่องจากเป็นโมเดลการจำแนกประเภท activation ควรเป็น 'softmax'
  • Compile โมเดลโดยใช้ 'sgd' เป็น optimizer, 'categorical_crossentropy' เป็นฟังก์ชัน loss และ metrics=['accuracy'] เพื่อดูค่าความแม่นยำ (สัดส่วนของการทำนายที่ถูกต้อง) เมื่อสิ้นสุดแต่ละ epoch
  • Fit โมเดลโดยใช้ predictors และ target

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# 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
____
แก้ไขและรันโค้ด