เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

การเตรียมโมเดลสำหรับการปรับแต่ง

มาปรับแต่ง hyperparameter ของโมเดล binary classification ที่จำแนก ชุดข้อมูลมะเร็งเต้านม ได้ดีกัน

ขั้นตอนแรกในการแปลงโมเดลให้เป็น sklearn estimator คือการสร้างฟังก์ชันที่ใช้สร้างโมเดลนั้น การกำหนดฟังก์ชันนี้มีความสำคัญ เนื่องจากการปรับแต่ง hyperparameter จะทำโดยการเปลี่ยนค่า argument ที่ส่งเข้าไปในฟังก์ชัน

สร้างฟังก์ชัน create_model() อย่างง่าย ที่รับทั้ง learning rate และ activation function เป็น argument โดย Adam optimizer ถูก import มาเป็น object จาก tensorflow.keras.optimizers เพื่อให้สามารถปรับเปลี่ยนค่า learning rate ได้ด้วย

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Deep Learning เบื้องต้นด้วย Keras

ดูคอร์ส

คำแนะนำการฝึกหัด

  • กำหนด learning rate ของ Adam optimizer object ให้เป็นค่าที่รับมาจาก argument
  • กำหนด activation function ของ hidden layer ให้เป็นค่าที่รับมาจาก argument
  • ส่ง optimizer และ binary cross-entropy loss เข้าไปใน method .compile()

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Creates a model given an activation and learning rate
def create_model(learning_rate, activation):
  
  	# Create an Adam optimizer with the given learning rate
  	opt = Adam(lr = ____)
  	
  	# Create your binary classification model  
  	model = Sequential()
  	model.add(Dense(128, input_shape = (30,), activation = ____))
  	model.add(Dense(256, activation = ____))
  	model.add(Dense(1, activation = 'sigmoid'))
  	
  	# Compile your model with your optimizer, loss, and metrics
  	model.compile(optimizer = ____, loss = ____, metrics = ['accuracy'])
  	return model
แก้ไขและรันโค้ด