Вкладення категорій (embeddings — векторні представлення)

Create Your Free Account

or

By continuing, you accept our Terms of Use, our Privacy Policy and that your data is stored in the USA.

Ця вправа є частиною курсу

Просунуте глибоке навчання з Keras

SkillTag.level.intermediateSkillTag.label

4.8+

Почніть курс безкоштовно

У цьому розділі ви ознайомитеся з основами функціонального API Keras. Ви збудуєте просту функціональну мережу з готових блоків, натренуєте її на даних і виконаєте передбачення.

Exercise 1: Вхідний шар Keras і щільні шари (dense)Exercise 2: Вхідні шари Exercise 3: Щільні шари Exercise 4: Вихідні шари Exercise 5: Побудуйте й скомпілюйте модель Exercise 6: Побудуйте модель Exercise 7: Скомпілюйте модель Exercise 8: Візуалізуйте модель Exercise 9: Навчіть і оцініть модель Exercise 10: Навчіть модель на даних турніру з баскетболу Exercise 11: Оцініть модель на тестовій вибірці

У цьому розділі ви створите двовхідні мережі, які використовують категоріальні вбудовування для подання ознак із великою кількістю категорій, спільні шари як багаторазово придатні будівельні блоки, а також шари об'єднання для злиття кількох входів в один вихід. Наприкінці розділу ви матимете базові будівельні елементи для проєктування нейронних мереж зі складними потоками даних.

Exercise 1: Вкладення категорій (embeddings — векторні представлення)

Поточна вправа

Exercise 2: Визначте пошук команди Exercise 3: Визначте модель команди Exercise 4: Спільні шари Exercise 5: Визначення двох входів Exercise 6: Пошук обох вхідних значень в одній моделі Exercise 7: Шари обʼєднання Exercise 8: Вихідний шар із використанням спільного шару Exercise 9: Модель із двома входами та одним виходом Exercise 10: Зробіть прогноз за своєю моделлю Exercise 11: Навчіть модель на тренувальних даних регулярного сезону Exercise 12: Оцініть модель на турнірних тестових даних

У цьому розділі ви розширите свою модель з 2 входів до 3 і навчитеся користуватися функціями Keras summary та plot, щоб зрозуміти параметри й топологію нейронних мереж. Наприкінці розділу ви знатимете, як масштабувати модель з 2 входів до 3 і більше.

Exercise 1: Моделі з трьома входами Exercise 2: Створіть вхідний шар для «вдома» проти «у гостях»Exercise 3: Створіть модель і скомпілюйте її Exercise 4: Навчіть модель та оцініть її Exercise 5: Підсумовування й візуалізація моделей Exercise 6: Підсумки моделі Exercise 7: Візуалізація моделей Exercise 8: Композиція моделей (stacking)Exercise 9: Додайте прогнози моделі до даних турніру Exercise 10: Створіть вхідний шар з кількома стовпцями Exercise 11: Навчіть модель Exercise 12: Оцініть модель

У цьому розділі ви створите нейронні мережі з кількома виходами, які можна застосувати для розв'язання регресійних задач із кількома цільовими змінними. Ви також побудуєте модель, що одночасно розв'язує регресійну та класифікаційну задачі.

Exercise 1: Моделі з двома вихідними даними Exercise 2: Проста модель із двома результатами Exercise 3: Навчіть модель з двома виходами Exercise 4: Ознайомлення з моделлю (I)Exercise 5: Оцініть модель Exercise 6: Одна модель для класифікації та регресії Exercise 7: Класифікація й регресія в одній моделі Exercise 8: Скомпілюйте та натренуйте модель Exercise 9: Проаналізуйте модель (II)Exercise 10: Оцініть на нових даних із двома метриками Exercise 11: Підсумок