Model tahminlerini turnuva verisine ekle

Bu bölümün 1. dersinde, normal sezon modelini turnuva veri kümesi üzerinde kullanarak tahminler yapmış ve oldukça iyi sonuçlar almıştın! Şimdi turnuvayı özel olarak modelleyerek bu tahminleri geliştirmeyi dene.

Normal sezon modelinden gelen tahmini, turnuva modeline bir girdi olarak kullanacaksın. Bu, "model stacking" yönteminin bir örneği.

Başlamak için, önceki dersteki normal sezon modelini al ve turnuva verisi üzerinde tahmin yap. Bu tahmini turnuva verisine yeni bir sütun olarak ekle.

Bu egzersiz, kursun bir parçasıdır

Keras ile İleri Seviye Deep Learning

Kursa Göz Atın

Egzersiz talimatları

model ile games_tourney veri kümesi üzerinde tahmin yap. Modelin üç girdisi var: 'team_1', 'team_2' ve 'home' sütunları. Tahminleri yeni bir sütuna, 'pred' olarak ata.

Uygulamalı etkileşimli egzersiz

Bu egzersizi bu örnek kodu tamamlayarak deneyin.

# Predict
games_tourney['pred'] = ____

Kodu Düzenle ve Çalıştır

Bu egzersiz, kursun bir parçasıdır

Keras ile İleri Seviye Deep Learning

IntermediárioNível de habilidade

4.8+

Kursa Ücretsiz Başla

Bu bölümde Keras functional API'nin temellerine alışacaksın. İşlevsel yapı taşlarıyla basit bir işlevsel ağ kuracak, veriye uydurup tahminler yapacaksın.

Exercise 1: Keras girdi ve yoğun katmanlar Exercise 2: Giriş katmanları Exercise 3: Dense katmanlar Exercise 4: Çıkış katmanları Exercise 5: Bir model oluştur ve derle Exercise 6: Bir model oluştur Exercise 7: Bir modeli derle Exercise 8: Bir modeli görselleştir Exercise 9: Bir modeli eğit ve değerlendir Exercise 10: Modeli turnuva basketbol verilerine uydur Exercise 11: Modeli bir test kümesi üzerinde değerlendir

Bu bölümde, yüksek kardinaliteli veriyi temsil etmek için kategori gömlemeleri kullanan, yeniden kullanılabilir yapı taşlarını tanımlamak için paylaşılan katmanlardan yararlanan ve birden fazla girişi tek bir çıktıda birleştiren birleştirme katmanlarını içeren iki girdili ağlar kuracaksın. Bölümün sonunda, karmaşık veri akışlarına sahip sinir ağları tasarlamak için gerekli temel yapı taşlarına sahip olacaksın.

Exercise 1: Kategori gömmeleri Exercise 2: Takım aramasını tanımla Exercise 3: Takım modelini tanımla Exercise 4: Paylaşılan katmanlar Exercise 5: İki girdi tanımlama Exercise 6: Her iki girdiyi de aynı modelde ara Exercise 7: Birleştirme katmanları Exercise 8: Paylaşılan katman kullanarak çıktı katmanı Exercise 9: İki girdi ve bir çıktı kullanan model Exercise 10: Modelinden tahmin yap Exercise 11: Modeli normal sezon eğitim verilerine uydur Exercise 12: Turnuva test verisi üzerinde modeli değerlendir

Bu bölümde, 2 girdili modelini 3 girdiye genişletecek ve Keras'ın özet ve çizim fonksiyonlarını kullanarak sinir ağlarının parametrelerini ve topolojisini nasıl anlayacağını öğreneceksin. Bölümün sonunda, 2 girdili bir modeli 3 girdiye ve daha ötesine nasıl genişleteceğini kavramış olacaksın.

Exercise 1: Üç girişli modeller Exercise 2: İç saha vs. deplasman için bir girdi katmanı oluştur Exercise 3: Bir model oluştur ve derle Exercise 4: Modeli eğit ve değerlendir Exercise 5: Modelleri özetleme ve çizdirme Exercise 6: Model özetleri Exercise 7: Modelleri çizdirme Exercise 8: Modelleri istifleme Exercise 9: Model tahminlerini turnuva verisine ekle

Geçerli egzersiz

Exercise 10: Birden çok sütunlu bir girdi katmanı oluştur Exercise 11: Modeli eğit Exercise 12: Modeli değerlendir

Bu bölümde, birden fazla çıktısı olan ve birden çok hedefli regresyon problemlerini çözmek için kullanılabilen sinir ağları kuracaksın. Ayrıca aynı anda hem bir regresyon hem de bir sınıflandırma problemini çözen bir model de oluşturacaksın.

Exercise 1: İki çıktılı modeller Exercise 2: Basit iki çıktılı model Exercise 3: İki çıktılı bir modeli eğit Exercise 4: Modeli incele (I)Exercise 5: Modeli değerlendir Exercise 6: Sınıflandırma ve regresyon için tek bir model Exercise 7: Tek modelde sınıflandırma ve regresyon Exercise 8: Modeli derle ve eğit Exercise 9: Modeli incele (II)Exercise 10: İki metrikle yeni veride değerlendirme Exercise 11: Kapanış