實作練習 5。
理解如何閱讀 KNIME 範例工作流程、辨識 Keras 模型建構方式，再以不同但相似的資料建立與測試自己的深度學習預測模型。
原書要求下載 KNIME Analytics Platform，尋找範例資料夾中使用 Keras 的深度學習範例，研究模型後，再換一個相似資料集完成自己的模型。
| 原書要求 | 目前 aBook12A 提供狀態 |
|---|---|
| KNIME 軟體 | 需外部下載；A 書未附安裝程式 |
| Keras 範例工作流程 | 需在 KNIME 範例資料夾尋找 |
| 不同但相似的資料集 | 原書未指定／未附 |
| 預期輸出 | 建立並測試自己的深度學習預測模型；撰寫報告 |
依原書練習：研究範例 → 理解做什麼／如何做 → 選擇相似的新資料 → 建立／測試模型 → 報告發現與操作經驗。
目前 aBook12A 沒有附指定資料集、工作流程執行輸出或模型指標，因此本頁不生成準確率、損失值、接收者操作特徵曲線下面積（Area Under the Receiver Operating Characteristic Curve, AUROC）或任何虛構結果。
此練習的教學重點是從現成工作流程反向理解模型流程，再把方法遷移到另一資料集；真正的結果只能在取得合法資料並實際執行後產生。
在提供 KNIME 工作流程與資料集後，逐節解釋節點、資料切分、Keras 架構、訓練設定與評估輸出；若檔案未提供，僅列待執行步驟，不模擬結果。
問題： 為何不能在沒有資料集的情況下直接填一個示例準確率？
參考解答： 因準確率必須由具體資料、切分方式、模型與執行輸出產生；填入假數字會把示範值誤當原書／實驗結果。