开始使用免费开始使用

使用交叉验证进行训练

现在请用已找到的最佳参数来训练模型：学习率 0.001、训练 50 轮 (epochs)、batch_size 为 128，以及 relu 激活函数。

前一个练习中的 create_model() 函数已为您准备好可直接使用。X 和 y 分别已载入为特征和标签。

在创建 KerasClassifier 对象时，请使用为您的模型找到的最佳取值，以便在执行 cross_validation 时生效。

以在 乳腺癌数据集 上训练一个经过精调的优秀模型来结束本章！

本练习是课程的一部分

Keras 深度学习入门

查看课程

练习说明

  • 从 tensorflow.keras 的 scikit_learn 封装中导入 KerasClassifier。
  • 创建一个 KerasClassifier 对象，并提供找到的最佳参数。
  • 将您的 model、特征和标签传入 cross_val_score，使用 3 折进行交叉验证。

交互式实操练习

通过完成这段示例代码来试试这个练习。

# Import KerasClassifier from tensorflow.keras wrappers
from tensorflow.keras.wrappers.____ import ____

# Create a KerasClassifier
model = ____(build_fn = create_model(learning_rate = ____, activation = ____), epochs = ____, 
             batch_size = ____, verbose = 0)

# Calculate the accuracy score for each fold
kfolds = cross_val_score(____, ____, ____, cv = ____)

# Print the mean accuracy
print('The mean accuracy was:', kfolds.mean())

# Print the accuracy standard deviation
print('With a standard deviation of:', kfolds.std())
编辑并运行代码