Entrenando nuestra primera red neuronal

Los datos de validacion en realidad tratan de un metodo llamado cross validation error, el cual consiste en separar tus datos en training data, validation data y test data(1, 2 y 3), esto para evaluar la eficacia de los parametros de nuestro modelo, entonces primero lo que se hace es usar 1 y 2 para training y 3 para test, luego podriamos usar 2 y 3 para training y 1 para test, y asi vamos probando hasta que hallemos un modelo donde los parametros nos den la perdida minima.

Me parece que el curso está muy bien explicado. Por supuesto que el estudiante debe complementar lo aprendido con otras fuentes si quiere ser un mastery, pero le he entendido mejor que a otros explicando lo mismo. Muy bien!!!

¡Hasta ahora el curso es una bomba!!!

• Además de hacer la división en datos de entrenamiento y datos de prueba, se debe hacer una division adicional conocida como validación.
• Con la validación el algoritmo va a ir tomando una proporción de datos recurrentemente para hacer evaluaciones con las métricas de desempeño.
• Los datos de validación se toman de los datos de entrenamiento.

Una pregunta que sería interesante poder responder, es: ¿como hacer el proceso de tunning que me permita saber cual configuración de parámetros me permite minimizar el error del modelo?.

hay alguna manera para dividir los datos en training validation y test? automaticamente popniendo solo los porcentajes

# Me funciono de esta manera si a alguien le interesa
# idea grafica del modelo hasta ahora contruido
import keras
from keras.utils.vis_utils import plot_model
plot_model(modelo, to_file='modelo.png', show_shapes= True)

A alguien más le pasó esto?
Quisiera saber qué hice mal para que solo considere 13 muestras y no 404.

Estoy teniendo el siguiente error:
Epoch 1/5

TypeError Traceback (most recent call last)
<ipython-input-127-8f68e615615c> in <module>()
----> 1 model.fit(x_train,y_train,batch_size=32,epochs=5,validation_data=(x_val,y_val))

alguien sabe como solucionarlo?

model.fit(x_train,y_train,batch_size=32,epochs=5,validation_data=(x_val,y_val)) ```