现在,您将开始用一个新的数据集来建模分类问题。该数据包含泰坦尼克号乘客的信息。您将使用 age、fare 以及每位乘客的登船港口等特征来预测谁会幸存。该数据来自数据科学竞赛教程。有关特征的说明请查看这里。
age
fare
数据已预先加载为名为 df 的 pandas DataFrame。
df
在建模前,检查每个变量的最大值和最小值很重要,以确保数据没有格式错误或损坏。泰坦尼克号乘客的最大年龄是多少?请在 IPython Shell 中使用 .describe() 方法来回答这个问题。
.describe()
本练习是课程的一部分
通过我们的互动练习之一,将理论转化为实践
本章将带您熟悉深度学习的基本概念与术语,并理解为何深度学习技术在当下如此强大。您将构建简单的神经网络,并用它们进行预测。
学习如何优化神经网络生成的预测。您将使用一种名为反向传播的方法,这是深度学习中最重要的技术之一。理解其工作原理将为您在课程后半部分的学习打下坚实基础。
本章将使用 Keras 库来构建用于回归和分类的深度学习模型。您将学习用于进行预测的"Specify-Compile-Fit"工作流,章节结束时,您将具备构建深层神经网络所需的全部工具。
当前练习
学习如何在 Keras 中优化您的深度学习模型。先从模型验证入手,随后理解模型容量的概念,最后尝试更宽和更深的网络。