大家好，昨天完成了用數值表示屬性資料來訓練的模型，今天要做的就是建立並訓練使用one-hot coding表示屬性資料的模型。

首先取得索引跟預期答案的步驟在昨天做過了，今天就直接進到下一步，將屬性資料用one-hot coding表示，要先取得寶可夢的能力值資料，再透過之前取得的索引產生輸入資料：

pokemon_data_one_hot = np.array(pokemon_df.loc[:, 'HP':])
x_train_one_hot = pokemon_data_one_hot[x_train_index -1].reshape((-1, 54))
x_val_one_hot = pokemon_data_one_hot[x_val_index -1].reshape((-1, 54))
x_test_one_hot = pokemon_data_one_hot[x_test_index -1].reshape((-1, 54))

訓練資料準備好後就要開始建立模型，這個模型的架構跟昨天以數值表示的模型相同，四層全連接層與穿插其中的dropout層，不過輸入的資料不同，使用one-hot coding表示的每隻寶可夢資料有27種，而輸入為兩隻寶可夢資料，因此輸入資料維度為54：

inputs = keras.Input(shape=(54, ))
x = layers.Dense(64, activation='relu')(inputs)
x = layers.Dropout(0.3)(x)
x = layers.Dense(128, activation='relu')(x)
x = layers.Dropout(0.3)(x)
x = layers.Dense(64, activation='relu')(x)
x = layers.Dropout(0.3)(x)
x = layers.Dense(32, activation='relu')(x)
x = layers.Dropout(0.3)(x)
outputs = layers.Dense(1,activation='sigmoid')(x)
model_2 = keras.Model(inputs, outputs, name='model-2')

在設定優化器、損失函數、指數函數、回調函數及訓練模型參數都與昨天的相同：

model_2.compile(keras.optimizers.Adam(), 
               loss=keras.losses.BinaryCrossentropy(), 
               metrics=[keras.metrics.BinaryAccuracy()])

log_dir = os.path.join('lab3-logs', 'model-2')
model_cbk = keras.callbacks.TensorBoard(log_dir=log_dir)
model_mckp = keras.callbacks.ModelCheckpoint(model_dir + '/Best-model-2.h5', 
                                         monitor='val_binary_accuracy',
                                         save_best_only=True,
                                         mode='max')

history_2 = model_2.fit(x_train_one_hot, y_train, 
                    batch_size=64 ,
                    epochs=300, 
                    validation_data=(x_val_one_hot, y_val), 
                    callbacks=[model_cbk, model_mckp])