调整优化参数

现在是亲自上手做优化的时候了。您将尝试用一个非常低的学习率、一个非常高的学习率，以及一个"刚刚好"的学习率来优化模型。运行练习后请查看结果，并记住：损失函数的值越低越好。

在这些练习中，我们已经为您预加载了先前分类模型（预测谁能在泰坦尼克号上幸存）的自变量和目标值。每次更改学习率时，都需要从头开始优化，以便公平比较不同学习率的效果。因此我们提供了一个函数 get_new_model()，用于创建一个尚未优化、可供您开始优化的模型。

从 tensorflow.keras.optimizers 导入 SGD。
创建一个名为 lr_to_test 的列表，存放要尝试的学习率。其取值应为 .000001、0.01 和 1。
使用 for 循环遍历 lr_to_test：
- 使用 get_new_model() 函数构建一个全新的、未优化的模型。
- 使用 SGD() 构造函数并传入关键字参数 lr=lr，创建一个名为 my_optimizer 的优化器。
- 编译模型。将 optimizer 参数设置为上面创建的 SGD 对象；由于这是分类问题，将 loss 参数设为 'categorical_crossentropy'。
- 使用 predictors 和 target 训练模型。