在验证数据集上评估模型准确率
现在轮到您使用验证数据集来监控模型的准确率了。已为您提供名为 model 的模型定义。您的任务是补充代码来编译并训练它。您将查看每个 epoch 的验证分数。
本练习是课程的一部分
Python 深度学习入门
练习说明
- 使用
'adam'作为optimizer，'categorical_crossentropy'作为loss来编译模型。为在每个 epoch 中查看预测正确的比例（accuracy），在model.compile()中额外指定关键字参数metrics=['accuracy']。 - 使用
predictors和target来训练模型。创建 30%（即0.3）的验证集划分。该结果会在每个 epoch 中报告。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Save the number of columns in predictors: n_cols
n_cols = predictors.shape[1]
input_shape = (n_cols,)
# Specify the model
model = Sequential()
model.add(Dense(100, activation='relu', input_shape = input_shape))
model.add(Dense(100, activation='relu'))
model.add(Dense(2, activation='softmax'))
# Compile the model
____
# Fit the model
hist = ____