Klassifizierung und Regression in einem Modell
Jetzt machst du ein anderes 2-Ausgangs-Modell. Dieses Mal sagst du nicht die Punktzahlen beider Teams voraus, sondern die Punktedifferenz. Dann sagst du, wie hoch die Wahrscheinlichkeit ist, dass Team 1 das Spiel gewinnt. Das ist ein ziemlich cooles Modell: Es kann sowohl Klassifizierung als auch Regression!
Schalte in diesem Modell die Vorspannung aus oder fange jede Schicht ab. Deine Eingaben (Unterschied zwischen Startwerten und vorhergesagter Punktedifferenz) haben einen Mittelwert, der fast bei Null liegt, und deine Ausgabewerte haben auch Mittelwerte, die fast bei Null liegen. Deshalb sollte dein Modell den Bias-Term nicht brauchen, um gut zu den Daten zu passen.
Diese Übung ist Teil des Kurses
Fortgeschrittenes Deep Learning mit Keras
Anleitung zur Übung
- Mach eine einzelne Eingabeschicht mit zwei Spalten.
- Die erste Ausgabeschicht sollte 1 Einheit mit einer Aktivierungsfunktion „
'linear'“ und ohne Bias-Term haben. - Die zweite Ausgabeschicht sollte eine Einheit mit einer Aktivierungsfunktion „
'sigmoid'“ und ohne Bias-Term haben. Verwende außerdem die erste Ausgabeschicht als Eingabe für diese Schicht. - Mach ein Modell mit diesen Eingaben und Ausgaben.
Interaktive Übung
Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.
# Create an input layer with 2 columns
input_tensor = ____
# Create the first output
output_tensor_1 = ____(____, activation=____, use_bias=____)(____)
# Create the second output (use the first output as input here)
output_tensor_2 = ____(____, activation=____, use_bias=____)(____)
# Create a model with 2 outputs
model = ____(____, [____, ____])