1. Apprendre
    2. /
  2. Cours
    3. /
  3. Machine Learning для фінансів у Python
Connected

Exercice

Побудуйте й натренуйте просту нейромережу

Наступна модель, з якою ми попрактикуємося, — це нейронна мережа. Нейромережі можуть уловлювати складні взаємодії між змінними, але їх непросто налаштувати й пояснити. Останнім часом вони перевершують людських експертів у багатьох галузях, зокрема в розпізнаванні зображень і відеоіграх (згадайте AlphaGo), — отже, мають великий потенціал.

Щоб будувати наші мережі, ми використаємо бібліотеку keras. Це високорівневий API, який дозволяє швидко створювати нейромережі й водночас зберігає значний контроль над їхнім дизайном. Спершу ми створимо майже найпростішу можливу мережу — 3-шарову, яка отримує вхідні дані й передбачає одне значення. Подібно до моделей sklearn, моделі keras мають метод .fit(), який приймає аргументи (features, targets).

Instructions

100 XP
  • Додайте щільний шар на 20 вузлів з активацією ReLU ('relu') як 2-й шар у нейромережі.
  • Створіть останній щільний шар з 1 вузлом і лінійною активацією (activation='linear').
  • Натренуйте модель на scaled_train_features і train_targets.