分類模型的最後一步
你現在要使用泰坦尼克號資料集建立一個分類模型。資料已預先載入為名為 df 的 DataFrame。你會根據乘客的資訊來預測哪些人存活。
預測用的變數已存於 NumPy 陣列 predictors。要預測的目標在 df.survived，不過你需要先把它轉換成 Keras 可用的格式。預測特徵的數量存於 n_cols。
在這裡，你會使用 'sgd' 最佳化器，它代表 隨機梯度下降（Stochastic Gradient Descent）。你會在下一章學到更多細節！
本練習屬於課程
Python 深度學習入門
練習說明
- 使用
to_categorical()函式將df.survived轉換為類別變數。 - 指定一個名為
model的Sequential模型。 - 加入一個具有
32個節點的Dense隱藏層。activation使用'relu'，input_shape設為(n_cols,)。 - 加入
Dense輸出層。因為有兩種可能的結果，單元數設為 2；而且這是分類模型，所以activation應為'softmax'。 - 編譯模型，
optimizer使用'sgd'，損失函式使用'categorical_crossentropy'，並設定metrics=['accuracy']，以在每個 epoch 結束時顯示正確率（正確預測所佔的比例）。 - 使用
predictors與target來訓練模型（fit）。
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# 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
____