指定模型
你將建置一個簡單的迴歸模型來預測流星的軌道！
你的訓練資料是在碰撞區域「前 10 分鐘到後 10 分鐘」的各個時間步所量測而得。每個時間步可以視為圖上的 X 座標，並對應該時間步下流星軌道的位置 Y。
（注意：你也可以把這個問題視為使用神經網路去近似一個二次函式。）
這些資料儲存在兩個 numpy 陣列中：time_steps 是我們稱為「特徵」的部分，y_positions 則是「標籤」。
開始動手建模吧！你的模型應該能夠在未來的時間步預測流星軌道的 y 位置。
Keras 的 Sequential 模型與 Dense 層已可供你使用。
本練習屬於課程
Keras 深度學習入門
練習說明
- 建立一個
Sequential模型。 - 新增一個具有 50 個神經元且輸入維度為 1 的 Dense 層。
- 再新增兩個各有 50 個神經元且使用
'relu'啟動函式的 Dense 層。 - 以一個只有單一神經元、且不使用啟動函式的 Dense 層作為模型結尾。
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。
# Instantiate a Sequential model
model = ____
# Add a Dense layer with 50 neurons and an input of 1 neuron
model.add(____(____, input_shape=(____,), activation='relu'))
# Add two Dense layers with 50 neurons and relu activation
model.add(____(____,____=____))
model.____
# End your model with a Dense layer and no activation
model.____