訓練多標籤模型
你的多標籤 model 的一個輸出可能長這樣：[0.76 , 0.99 , 0.66 ]。如果把大於 0.5 的機率四捨五入，這筆觀測會被分類為包含全部 3 個可能的標籤 [1,1,1]。在這個情境下，代表根據網路的判斷，給定輸入的感測器量測值，應該灌溉你農場的 3 塊地。
接下來你會用剛建立好的 model 進行訓練與預測。
sensors_train、parcels_train、sensors_test 和 parcels_test 已經為你載入。
來看看你的智慧系統表現得如何！
本練習屬於課程
Keras 深度學習入門
練習說明
- 使用
validation_split為 0.2，將模型訓練 100 個epochs。 - 使用測試資料，利用你的
model進行預測。 - 使用
np.round()將你的preds四捨五入。 - 在測試資料上評估模型的準確率。
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。
# Train for 100 epochs using a validation split of 0.2
____.____(____, ____, epochs = ____, validation_split = ____)
# Predict on sensors_test and round up the predictions
preds = ____.____(____)
preds_rounded = np.round(____)
# Print rounded preds
print('Rounded Predictions: \n', preds_rounded)
# Evaluate your model's accuracy on the test data
accuracy = model.evaluate(____, ____)[1]
# Print accuracy
print('Accuracy:', accuracy)