Оцінювання точності моделі на валідаційному наборі даних

Тепер ваша черга відстежувати точність моделі на валідаційному наборі даних. Визначення моделі надано як model. Ваше завдання — додати код для компіляції, а потім — навчання. Ви перевірятимете валідаційну оцінку в кожній епосі.

Ця вправа є частиною курсу

Вступ до Deep Learning у Python

Переглянути курс

Інструкції до вправи

Скомпілюйте модель, використавши 'adam' як optimizer і 'categorical_crossentropy' як loss. Щоб бачити, яка частка передбачень правильна (показник accuracy) у кожній епосі, задайте додатковий ключовий аргумент metrics=['accuracy'] у model.compile().
Навчіть модель на predictors і target. Задайте валідаційну вибірку 30% (тобто 0.3). Її буде показано в кожній епосі.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

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

# Specify the model
model = Sequential()
model.add(Dense(100, activation='relu', input_shape = input_shape))
model.add(Dense(100, activation='relu'))
model.add(Dense(2, activation='softmax'))

# Compile the model
____

# Fit the model
hist = ____

Редагувати та запускати код