Compilar y ajustar un modelo

Introducción al Deep Learning en Python

Dan Becker

Data Scientist and contributor to Keras and TensorFlow libraries

Por qué compilar tu modelo

  • Especifica el optimizador
    • Muchas opciones y matemáticamente complejo
    • "Adam" suele ser una buena opción
  • Función de pérdida
    • "mean_squared_error" es común en regresión
Introducción al Deep Learning en Python

Compilar un modelo

n_cols = predictors.shape[1]
model = Sequential()
model.add(Dense(100, activation='relu', input_shape=(n_cols,)))
model.add(Dense(100, activation='relu'))
model.add(Dense(1))
model.compile(optimizer='adam', loss='mean_squared_error')
Introducción al Deep Learning en Python

Qué es ajustar un modelo

  • Aplicar backpropagation y descenso de gradiente con tus datos para actualizar pesos
  • Escalar los datos antes de ajustar facilita la optimización
Introducción al Deep Learning en Python

Ajustar un modelo

n_cols = predictors.shape[1]
model = Sequential()
model.add(Dense(100, activation='relu', input_shape=(n_cols,)))
model.add(Dense(100, activation='relu'))
model.add(Dense(1))
model.compile(optimizer='adam', loss='mean_squared_error')
model.fit(predictors, target)
Introducción al Deep Learning en Python

¡Vamos a practicar!

Introducción al Deep Learning en Python

Preparing Video For Download...