Các bước cuối cùng trong mô hình phân loại

Bây giờ bạn sẽ tạo một mô hình phân loại với bộ dữ liệu Titanic, đã được nạp sẵn vào DataFrame tên là df. Bạn sẽ dùng thông tin về hành khách để dự đoán ai sống sót.

Các biến dự báo được lưu trong mảng NumPy predictors. Mục tiêu cần dự đoán nằm trong df.survived, nhưng bạn sẽ cần xử lý lại để dùng được với Keras. Số lượng đặc trưng dự báo được lưu trong n_cols.

Ở đây, bạn sẽ dùng bộ tối ưu 'sgd', viết tắt của Stochastic Gradient Descent. Bạn sẽ học thêm về nó ở chương tiếp theo!

Bài tập này là một phần của khóa học

Nhập môn Deep Learning với Python

Xem khóa học

Hướng dẫn bài tập

Chuyển df.survived thành biến phân loại bằng hàm to_categorical().
Khai báo một mô hình Sequential tên model.
Thêm một tầng Dense với 32 node. Dùng 'relu' làm activation và (n_cols,) làm input_shape.
Thêm tầng đầu ra Dense. Vì có hai khả năng kết quả, tầng này cần 2 unit, và vì đây là mô hình phân loại nên activation phải là 'softmax'.
Biên dịch mô hình, dùng 'sgd' làm optimizer, 'categorical_crossentropy' làm hàm mất mát, và metrics=['accuracy'] để xem độ chính xác (tỷ lệ dự đoán đúng) ở cuối mỗi epoch.
Huấn luyện mô hình bằng predictors và target.

Bài tập tương tác thực hành trực tiếp

Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.

# 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
____

Chỉnh sửa và Chạy Mã