ПочатиПочніть безкоштовно

Тренування з перехресною перевіркою

Час натренувати вашу модель з найкращими знайденими параметрами: 0,001 для швидкості навчання (learning rate), 50 епох, розмір пакета 128 (batch_size) та активації relu.

Функція create_model() з попередньої вправи вже готова до використання. X та y завантажені як ознаки та мітки.

Використайте найкращі значення, знайдені для вашої моделі, коли створюватимете об'єкт KerasClassifier, щоб їх було застосовано під час cross_validation.

Завершіть цей розділ тренуванням чудово налаштованої моделі на наборі даних про рак молочної залози!

Ця вправа є частиною курсу

Вступ до Deep Learning з Keras

Переглянути курс

Інструкції до вправи

  • Імпортуйте KerasClassifier з обгорток scikit_learn у tensorflow.keras.
  • Створіть об'єкт KerasClassifier, передавши найкращі знайдені параметри.
  • Передайте ваш model, ознаки та мітки до cross_val_score, щоб виконати перехресну перевірку з 3 фолдами.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# Import KerasClassifier from tensorflow.keras wrappers
from tensorflow.keras.wrappers.____ import ____

# Create a KerasClassifier
model = ____(build_fn = create_model(learning_rate = ____, activation = ____), epochs = ____, 
             batch_size = ____, verbose = 0)

# Calculate the accuracy score for each fold
kfolds = cross_val_score(____, ____, ____, cv = ____)

# Print the mean accuracy
print('The mean accuracy was:', kfolds.mean())

# Print the accuracy standard deviation
print('With a standard deviation of:', kfolds.std())
Редагувати та запускати код