Basit bir sinir ağı kur ve eğit
Sıradaki modelimiz bir sinir ağı olacak. Sinir ağları değişkenler arasındaki karmaşık etkileşimleri yakalayabilir, ancak kurulumu ve anlaşılması zordur. Son zamanlarda görüntü tanıma ve oyun (AlphaGo'ya göz at) gibi birçok alanda insan uzmanları geride bırakıyorlar — yani iyi performans gösterme potansiyelleri çok yüksek.
Ağlarımızı kurmak için keras kütüphanesini kullanacağız. Bu, sinir ağlarını hızlıca oluşturmamıza olanak veren, ancak tasarım üzerinde yine de epey kontrol sağlayan üst düzey bir API'dir. İlk olarak neredeyse mümkün olan en basit ağı oluşturacağız — girdilerimizi alıp tek bir değer tahmin eden 3 katmanlı bir ağ. sklearn modellerine benzer şekilde, keras modellerinin de (features, targets) argümanlarını alan bir .fit() metodu vardır.
Bu egzersiz, kursun bir parçasıdır
Python ile Finans için Machine Learning
Egzersiz talimatları
- Sinir ağında 2. katman olarak 20 düğümlü ve ReLU (
'relu') aktivasyonlu bir dense katman oluştur. - Son dense katmanı 1 düğüm ve doğrusal aktivasyonla (
activation='linear') oluştur. - Modeli
scaled_train_featuresvetrain_targetsile eğit.
Uygulamalı etkileşimli egzersiz
Bu egzersizi bu örnek kodu tamamlayarak deneyin.
from keras.models import Sequential
from keras.layers import Dense
# Create the model
model_1 = Sequential()
model_1.add(Dense(100, input_dim=scaled_train_features.shape[1], activation='relu'))
model_1.add(Dense(____, activation=____))
model_1.add(Dense(____, activation=____))
# Fit the model
model_1.compile(optimizer='adam', loss='mse')
history = model_1.fit(____, ____, epochs=25)