Forum Replies Created
- Posts
Isso mesmo, ao longo dos estudos você vai conhecendo melhor como os métodos funcionam e quais estratégias pode adotar para melhorar seus resultados. Boa sorte!
Olá André,
Eu executei o notebook desta aula até essa parte do código e deu tudo certo, pela mensagem de erro é possível que você tenha esquecido de executar algum código, tenta de novo desde o início.
O nome do parâmetro da função
criarRedeprecisa ser igual ao do dicionárioparametros, então é só deixar igual em ambos.A demora é porque este tuning está usando 7 parâmetros com 2 opções cada, isso resulta em 2^7 = 128 testes, mas como ainda está usando 5 folds na validação cruzada, são 128 x 5 = 640 testes. É de se esperar que demore mesmo. Por isso, às vezes nós fazemos um tuning menor, com menos parâmetros, e vamos adicionando um parâmetro novo por vez.
Samuel, é muito difícil dizer sem fazer uma inspeção detalhada do problema, mas devido ao número de alunos, não temos como inspecionar implementações pessoais.
Entretanto, se você fez tudo certo, ainda assim é possível obter uma predição constante, se os dados que você passou não são suficientes para identificar a classe alvo. Por exemplo, suponha que você esteja usando indicadores sanguíneos para determinar a cor dos olhos das pessoas, dificilmente as variáveis preditoras têm relação com a variável alvo, portanto não existe uma relação para o algoritmo descobrir. Nestes casos, a maior acurácia que o algoritmo pode alcançar é prevendo sempre a classe majoritária nos dados de treinamento (por exemplo, se 80% das pessoas têm olho castanho, então prever sempre olho castanho vai entregar uma acurácia média de 80%).
Outra possibilidade é relacionada ao formato dos dados. Vi que você converteu
previsores_treinamentopara float32, vale a pena tentar fazer o mesmo comprevisores_teste.Uma terceira possibilidade é que o algoritmo que você escolheu (rede neural) não seja adequado para identificar as classes. Neste caso, vale a pena testar outros algoritmos. A própria rede neural pode ser alterada para tentar obter resultados melhores.
Isso não é um erro, é só um aviso que o parâmetro
build_fnvai ser substituído pormodelem uma próxima versão da biblioteca.Você precisa escrever
modelmesmo, nãoclassificador, e botar dois underscores depois demodel. Uma correção de minha parte: só nos parâmetros que a funçãocriarRedeaceita:parametros = { 'batch_size': [10, 30], 'epochs': [50, 100], 'model__optimizer': ['adam', 'sgd'], 'model__loss': ['binary_crossentropy', 'hinge'], 'model__kernel_initializer': ['random_uniform', 'normal'], 'model__activation': ['relu', 'tanh'], 'model__neurons': [16, 8] }Respondido na sua outra dúvida https://iaexpert.academy/forums/topic/keras-nao-funcionou/#post-45408
Olá Samuel,
Nós estamos preparando uma atualização desse curso, por enquanto você pode mudar todos os parâmetros relacionados ao modelo para o nome
model__<parametro>. Exemplo:model__batch_size. Veja que são 2 underlines.Olá Jaime,
Se você clicar no link que termina com esse resíduo, vai ver que retorna uma mensagem de erro dizendo que ela não existe. Esta URL está incorreta.
André, o erro significa que o Pandas não está encontrando uma linha com o índice
[0]. Verifique comdataset.head()se a primeira linha tem índice 0.Também observe que este código é para o Pandas v2.0, então cheque sua versão.
Olá Alan,
Nós não temos nenhum material sobre esse assunto específico, vai precisar pesquisar na documentação: https://developers.facebook.com/docs/marketing-api/guides/lead-ads/
Eu testei sem congelar as camadas e o modelo em poucas épocas já estava acima de 80%. Meu último resultado é o que consta no notebook anexado à aula.
