1. Học hỏi
    2. /
  2. Khoa Học
    3. /
  3. Nhập môn Deep Learning với Python
Connected

Bài tập

Đặc tả một mô hình

Bây giờ bạn sẽ làm việc với mô hình đầu tiên trong Keras, và ngay lập tức có thể chạy các mô hình mạng nơ-ron phức tạp hơn trên các tập dữ liệu lớn hơn so với hai chương đầu.

Đầu tiên, bạn sẽ lấy khung sườn của một mạng nơ-ron và thêm một lớp ẩn cùng một lớp đầu ra. Sau đó bạn sẽ fit mô hình đó và xem Keras tối ưu hóa để mô hình của bạn liên tục cải thiện.

Khởi động bằng cách dự đoán mức lương theo giờ của người lao động dựa trên các đặc điểm như ngành nghề, học vấn và thâm niên. Bạn có thể tìm thấy tập dữ liệu trong một pandas DataFrame tên là df. Để tiện lợi, mọi thứ trong df ngoại trừ biến mục tiêu đã được chuyển thành một mảng NumPy tên predictors. Biến mục tiêu, wage_per_hour, có sẵn dưới dạng một mảng NumPy tên target.

Trong tất cả các bài tập của chương này, chúng tôi đã import sẵn bộ dựng mô hình Sequential, bộ dựng lớp Dense, và pandas.

Hướng dẫn

100 XP
  • Lưu số lượng cột trong dữ liệu predictors vào n_cols. Việc này đã được làm sẵn cho bạn.
  • Bắt đầu bằng cách tạo một mô hình Sequential tên model.
  • Dùng phương thức .add() trên model để thêm một lớp Dense.
    • Thêm 50 unit, chỉ định activation='relu', và tham số input_shape là bộ (n_cols,), nghĩa là mỗi hàng dữ liệu có n_cols phần tử, và chấp nhận bất kỳ số lượng hàng đầu vào nào.
  • Thêm một lớp Dense khác. Lớp này có 32 unit và kích hoạt 'relu'.
  • Cuối cùng, thêm một lớp đầu ra, là một lớp Dense với một node duy nhất. Không dùng bất kỳ hàm kích hoạt nào ở đây.