Klasifikace do více tříd
V tomto cvičení přejdeme od binární klasifikace ke klasifikaci do více tříd. Při klasifikaci do více tříd může cílová proměnná nabývat tří nebo více hodnot. V datové sadě kreditních karet může proměnná vzdělání nabývat 6 různých hodnot, z nichž každá odpovídá jiné úrovni vzdělání. Tu použijeme jako cílovou proměnnou a zároveň rozšíříme sadu příznaků ze 3 na 10 sloupců.
Jako v předchozím příkladu definuješ vstupní vrstvu, husté vrstvy a výstupní vrstvu. Také si vypíšeš předpovědi netrénovaného modelu, což jsou pravděpodobnosti přiřazené jednotlivým třídám. Tensor příznaků je načtený a dostupný jako borrower_features. K dispozici jsou také operace constant(), float32 a keras.layers.Dense().
Toto cvičení je součástí kurzu
Úvod do TensorFlow v Pythonu
Pokyny k cvičení
- Definuj vstupní vrstvu jako 32bitový konstantní tensor pomocí
borrower_features. - Nastav první hustou vrstvu na 10 výstupních uzlů s aktivační funkcí
sigmoid. - Nastav druhou hustou vrstvu na 8 výstupních uzlů s aktivační funkcí rectified linear unit.
- Nastav výstupní vrstvu na 6 výstupních uzlů s odpovídající aktivační funkcí.
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
# Construct input layer from borrower features
inputs = ____
# Define first dense layer
dense1 = keras.layers.Dense(____, activation='____')(inputs)
# Define second dense layer
dense2 = ____
# Define output layer
outputs = ____
# Print first five predictions
print(outputs.numpy()[:5])