Bir model belirtmek

Şimdi Keras ile ilk modelin üzerinde çalışacaksın ve ilk iki bölüme kıyasla daha büyük veri kümelerinde daha karmaşık sinir ağı modellerini hemen çalıştırabileceksin.

Başlamak için, bir sinir ağının iskeletini alıp bir gizli katman ve bir çıktı katmanı ekleyeceksin. Ardından bu modeli eğitecek ve Keras'ın optimizasyonu nasıl yaptığını, böylece modelinin sürekli olarak nasıl iyileştiğini göreceksin.

Başlangıç olarak, çalışanların ücretlerini; çalıştıkları sektör, eğitim ve deneyim düzeyi gibi özelliklere göre tahmin edeceksin. Veri kümesini df adlı bir pandas DataFrame'inde bulabilirsin. Kolaylık olması için, hedef dışındaki df içeriğinin tamamı predictors adlı bir NumPy dizisine dönüştürüldü. Hedef değişken wage_per_hour ise target adlı bir NumPy dizisi olarak hazır.

Bu bölümdeki tüm egzersizler için Sequential model yapıcıyı, Dense katman yapıcıyı ve pandas'ı içe aktardık.

Bu egzersiz

Python ile Deep Learning'e Giriş

kursunun bir parçasıdır

Kursu Görüntüle

Egzersiz talimatları

predictors verisindeki sütun sayısını n_cols değişkeninde sakla. Bu senin için yapıldı.
model adlı bir Sequential model oluşturarak başla.
model üzerinde .add() metodunu kullanarak bir Dense katman ekle.
- 50 birim ekle, activation='relu' belirt ve input_shape parametresini her veri satırında n_cols öğe olduğunu belirten (n_cols,) demeti olarak ayarla; girdi olarak herhangi sayıda satır kabul edilir.
Bir Dense katman daha ekle. Bu katmanda 32 birim ve 'relu' etkinleştirme olmalı.
Son olarak, tek düğümlü bir Dense katman olan çıktı katmanını ekle. Burada herhangi bir etkinleştirme fonksiyonu kullanma.

Uygulamalı interaktif egzersiz

Bu örnek kodu tamamlayarak bu egzersizi bitirin.

# Import necessary modules
from tensorflow.keras.layers import Dense
from tensorflow.keras.models import Sequential

# Save the number of columns in predictors: n_cols
n_cols = predictors.shape[1]

# Set up the model: model
model = ____

# Add the first layer
____.____(____(____, ____=____, ____=(____)))

# Add the second layer
____

# Add the output layer
____

Kodu Düzenle ve Çalıştır