Sınıflandırma modellerinde son adımlar

Şimdi, önceden df adlı bir DataFrame'e yüklenmiş titanic veri kümesini kullanarak bir sınıflandırma modeli oluşturacaksın. Yolcularla ilgili bilgileri alıp hangilerinin hayatta kaldığını tahmin edeceksin.

Yordayıcı değişkenler bir NumPy dizisi olan predictors içinde. Tahmin edilecek hedef df.survived içinde, ancak Keras için onu biraz dönüştürmen gerekecek. Yordayıcı özelliklerin sayısı n_cols içinde saklı.

Burada, Stochastic Gradient Descent ifadesinin kısaltması olan 'sgd' iyileştiricisini (optimizer) kullanacaksın. Bunun hakkında daha fazlasını bir sonraki bölümde öğreneceksin!

Bu egzersiz

Python ile Deep Learning'e Giriş

kursunun bir parçasıdır

Kursu Görüntüle

Egzersiz talimatları

df.survived değerini to_categorical() fonksiyonunu kullanarak kategorik değişkene dönüştür.
model adlı bir Sequential model belirt.
32 düğümlü bir Dense katman ekle. activation olarak 'relu', input_shape olarak (n_cols,) kullan.
Dense çıktı katmanını ekle. İki olası sonuç olduğundan 2 birim olmalı ve bu bir sınıflandırma modeli olduğundan activation 'softmax' olmalı.
Modeli derle: optimizer olarak 'sgd', kayıp fonksiyonu olarak 'categorical_crossentropy' ve her dönemin (epoch) sonunda doğruluğu görmek için metrics=['accuracy'] kullan.
Modeli predictors ve targetı kullanarak eğit.

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
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
____

Kodu Düzenle ve Çalıştır