训练
您将在本课程中训练第一个模型，而且还是为了一个好理由！
请记住，在训练 Keras 模型之前，您需要先编译它。这可以通过 .compile() 方法完成。.compile() 方法接收参数，例如用于更新权重的 optimizer，以及我们希望最小化的 loss 函数。训练模型只需调用 .fit() 方法，并传入特征、标签以及训练的轮数（epochs）。
上一练习中您构建的回归 model 已为您加载，同时还提供了 time_steps 和 y_positions 数据。请在相同数据上对其进行训练并评估，看看您的模型是否能学会流星的轨迹。
本练习是课程的一部分
Keras 深度学习入门
练习说明
- 使用
'adam'优化器和'mse'作为损失函数来编译模型。 - 使用给定的特征和标签训练模型，训练 30 个 epoch。
- 使用
.evaluate()方法评估模型，传入与训练时相同的特征和标签。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Compile your model
model.____(____ = ____, ____ = ____)
print("Training started..., this can take a while:")
# Fit your model on your data for 30 epochs
model.____(____,____, epochs = ____)
# Evaluate your model
print("Final loss value:",model.evaluate(____, ____))