Začněte nyníZačněte zdarma

Problémy binární klasifikace

V tomto cvičení opět použiješ data z kreditních karet. Cílová proměnná default označuje, zda držitel kreditní karty nesplatí svůj závazek v následujícím období. Protože existují jen dvě možnosti – nesplácení, nebo splácení – jde o problém binární klasifikace. Dataset obsahuje mnoho příznaků, ale soustředíš se jen na tři z nich: výši tří posledních výpisů z kreditní karty. Nakonec vypočítáš predikce z netrénované sítě outputs a porovnáš je s cílovou proměnnou default.

Tenzor příznaků je načtený a dostupný jako bill_amounts. K dispozici jsou také operace constant(), float32 a keras.layers.Dense().

Toto cvičení je součástí kurzu

Úvod do TensorFlow v Pythonu

Zobrazit kurz

Pokyny k cvičení

  • Definuj inputs jako konstantní tenzor s 32bitovými desetinnými čísly pomocí bill_amounts.
  • Nastav dense1 jako hustou vrstvu se 3 výstupními uzly a aktivační funkcí relu.
  • Nastav dense2 jako hustou vrstvu se 2 výstupními uzly a aktivační funkcí relu.
  • Nastav výstupní vrstvu jako hustou vrstvu s jediným výstupním uzlem a aktivační funkcí sigmoid.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Construct input layer from features
inputs = ____

# Define first dense layer
dense1 = keras.layers.Dense(____, activation='____')(inputs)

# Define second dense layer
dense2 = ____

# Define output layer
outputs = ____

# Print error for first five examples
error = default[:5] - outputs.numpy()[:5]
print(error)
Upravit a spustit kód