Compilar e ajustar um modelo

Introdução a Deep Learning em Python

Dan Becker

Data Scientist and contributor to Keras and TensorFlow libraries

Por que compilar o modelo

  • Defina o otimizador
    • Muitas opções e matematicamente complexo
    • "Adam" costuma ser uma boa escolha
  • Função de perda
    • "mean_squared_error" é comum em regressão
Introdução a Deep Learning em Python

Compilando um 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')
Introdução a Deep Learning em Python

O que é ajustar um modelo

  • Aplicar backpropagation e descida do gradiente nos dados para atualizar pesos
  • Escalar os dados antes de ajustar pode facilitar a otimização
Introdução a Deep Learning em Python

Ajustando um 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)
Introdução a Deep Learning em Python

Vamos praticar!

Introdução a Deep Learning em Python

Preparing Video For Download...