4️⃣ 模型訓練與評估

🎯 訓練神經網路的基本概念

在建立 Keras 模型後，我們需要透過 訓練（Training） 來調整權重，使模型能夠對應輸入數據進行正確的預測。

✅ 訓練流程：

1. 定義損失函數（Loss Function）
2. 選擇優化器（Optimizer）
3. 設定評估指標（Metrics）
4. 執行訓練（Fit Model）
5. 模型評估（Evaluate Model）

---

✅ 編譯模型（Compile Model）

Keras 需要在訓練前 編譯（compile） 模型，設定損失函數與優化器。

from tensorflow import keras
from tensorflow.keras import layers

# 建立模型
model = keras.Sequential([
    layers.Dense(128, activation='relu', input_shape=(10,)),
    layers.Dense(64, activation='relu'),
    layers.Dense(1, activation='sigmoid')
])

# 編譯模型
model.compile(
    optimizer='adam', 
    loss='binary_crossentropy', 
    metrics=['accuracy']
)

✅ adam 是一種常用的優化器，適合大多數深度學習應用。

---

✅ 訓練模型（Model Training）

我們可以使用 fit() 方法來訓練模型。

import numpy as np

# 建立假設數據
x_train = np.random.rand(100, 10)
y_train = np.random.randint(0, 2, size=(100,))

# 訓練模型
model.fit(x_train, y_train, epochs=10, batch_size=32)

✅ epochs=10 表示訓練 10 次完整數據集，batch_size=32 表示每次更新 32 個樣本。

---

✅ 模型評估（Evaluate Model）

訓練完成後，我們可以使用測試數據來評估模型的表現。

x_test = np.random.rand(20, 10)
y_test = np.random.randint(0, 2, size=(20,))

# 評估模型
loss, acc = model.evaluate(x_test, y_test)
print(f"測試準確率：{acc:.2f}")

✅ 這將返回模型的損失與準確率，用來衡量模型的效能。

---

✅ 使用 validation_data 進行驗證

我們可以在訓練過程中使用 validation_data 來觀察模型的泛化能力。

model.fit(x_train, y_train, epochs=10, batch_size=32, validation_data=(x_test, y_test))

✅ 這樣可以看到訓練數據與驗證數據的準確率，避免過擬合。

---

✅ 使用 Early Stopping 防止過擬合

當訓練過程中發現 驗證集準確率不再提升，可以透過 EarlyStopping 來停止訓練。

from tensorflow.keras.callbacks import EarlyStopping

# 設定 EarlyStopping
early_stopping = EarlyStopping(monitor='val_loss', patience=3, restore_best_weights=True)

# 訓練模型
model.fit(x_train, y_train, epochs=50, batch_size=32, validation_data=(x_test, y_test), callbacks=[early_stopping])

✅ 這樣可以防止模型過擬合，當 val_loss 連續 3 個 epochs 沒有改善時停止訓練。

---

📝 總結

功能	語法
編譯模型	model.compile(optimizer, loss, metrics)
訓練模型	model.fit(x_train, y_train, epochs, batch_size)
評估模型	model.evaluate(x_test, y_test)
使用驗證數據	model.fit(x_train, y_train, validation_data=(x_test, y_test))
Early Stopping	EarlyStopping(monitor='val_loss', patience=3)

🚀 現在你已經學會如何訓練與評估 Keras 模型！接下來，我們將學習 Keras 如何處理數據！ 😊