ПочатиПочніть безкоштовно

Останні кроки у моделях класифікації

Тепер ви створите модель класифікації, використовуючи набір даних про «Titanic», який вже завантажено в датафрейм df. Ви візьмете відомості про пасажирів і спрогнозуєте, хто з них вижив.

Прогнозні змінні збережено в масиві NumPy predictors. Ціль для прогнозування міститься в df.survived, хоча для Keras її потрібно підготувати. Кількість прогнозних ознак збережено в n_cols.

Тут ви використаєте оптимізатор 'sgd', що означає Stochastic Gradient Descent. Більше про це ви дізнаєтесь у наступному розділі!

Ця вправа є частиною курсу

Вступ до Deep Learning у Python

Переглянути курс

Інструкції до вправи

  • Перетворіть df.survived на категоріальну змінну за допомогою функції to_categorical().
  • Задайте Sequential-модель з назвою model.
  • Додайте шар Dense з 32 вузлами. Використайте 'relu' як activation та (n_cols,) як input_shape.
  • Додайте вихідний шар Dense. Оскільки є два можливі результати, у ньому має бути 2 юніти, а тому, що це модель класифікації, activation має бути 'softmax'.
  • Скомпілюйте модель, використавши 'sgd' як optimizer, 'categorical_crossentropy' як функцію втрат, а також metrics=['accuracy'], щоб бачити точність (яка частка прогнозів була правильною) наприкінці кожної епохи.
  • Навчіть модель, використавши predictors і target.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# 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
____
Редагувати та запускати код