知识卡片

普通读书笔记卡 · 9859.j · 生成模型:Hunyuan

构建编译训练与评估

理解等级:中级

模型用Sequential堆叠:DenseFeatures输入层后接两层128单元的relu全连接,最后以1个sigmoid节点输出二分类概率。编译选用adam优化器、binary_crossentropy损失和accuracy指标,fit传入训练与验证流水线、训练10轮。训练过程用plot_metric绘制训练与验证准确率曲线(Jupyter中需%matplotlib inline),以观察是否过拟合;最后用test_ds调用evaluate得到测试准确率约0.70。教程明确指出小数据上效果有限,建议用决策树或随机森林做基准,重点在掌握处理机制而非刷精度。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    参考来源

    - 位置:《深入浅出Embedding:原理解析与应用实践 (吴茂贵, 王红星)》第10章 用Embedding表现分类特征(源文件:extracted/深入浅出Embedding:原理解析与应用实践 (吴茂贵, 王红星)/_epub-src/OEBPS/Text/Chapter14_0002.xhtml) - 结论依据:原文10.2.8至10.2.10给出模型结构、编译参数、可视化代码与测试准确率,并说明小数据集的基准建议,支撑本卡对训练评估全流程的概括。 - 原始内容:model.compile(optimizer='adam', loss='binary_crossentropy', metrics=['accuracy'], run_eagerly=True)