辨別迴歸問題與分類問題

查看波士頓房屋資料集

說明課程架構

介紹實作環境及工具套件

在Anaconda建立虛擬環境

安裝開發環境Spyder

下載Tensorflow、Pandas、Matplotlib

從Tensorflow獲取波士頓房屋資料集

將資料分為訓練與測試資料集

觀察資料儲存的變數型態與格式

使用Pandas將數據整理為易讀的表格

進行資料前處理：洗牌、資料標準化

認識迴歸問題的神經網路模型架構

介紹激活函數(activation function)：ReLU

認識編譯模型的MSE損失函數、Adam優化器、MAE評估指標

實作神經網路的架構並編譯

認識驗證資料集

認識Early Stopping

實作神經網路模型訓練

使用測試資料集評估神經網路模型

從測試資料取出前10筆資料做預測

介紹Matplotlib並實作圖表

分辨過度配適(overfitting)的圖表

實作圖表觀察神經網路模型的過度配適問題

依模型訓練流程，總結本系列課程內容

提供兩個問題請學生思考並嘗試

課後練習：股價預測資料集