LoslegenKostenlos starten

Ein Modell zur binären Klassifikation

Jetzt, da du weißt, wie der Banknote Authentication-Datensatz aussieht, bauen wir ein einfaches Modell, das echte von gefälschten Scheinen unterscheidet.

Du führst eine binäre Klassifikation durch, indem du ein einzelnes Neuron als Ausgabe verwendest. Die Eingabeschicht hat 4 Neuronen, da unser Datensatz 4 Merkmale enthält. Die Ausgabe des Modells ist ein Wert zwischen 0 und 1.

Wir interpretieren diese Zahl als die Wahrscheinlichkeit, dass unsere Eingabevariablen von einer gefälschten Dollarnote stammen – wobei 1 bedeutet, dass wir sicher sind, dass es eine Fälschung ist.

Diese Übung ist Teil des Kurses

<Kurs>Einstieg ins Deep Learning mit Keras</Kurs>
Kurs ansehen

Übungsanweisungen

  • Importiere das Sequential-Modell und die Dense-Schicht aus tensorflow.keras.
  • Erstelle ein sequentielles Modell.
  • Füge eine Eingabeschicht mit 4 Neuronen über den Parameter input_shape hinzu und eine Ausgabeschicht mit 1 Neuron und sigmoid-Aktivierung.
  • Kompiliere dein Modell und verwende sgd als Optimierer.

Interaktive praktische Übung

Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.

# Import the sequential model and dense layer
from tensorflow.keras.____ import ____
from tensorflow.keras.____ import ____

# Create a sequential model
model = ____

# Add a dense layer 
model.____(Dense(____, input_shape=(____,), activation=____))

# Compile your model
model.____(loss='binary_crossentropy', optimizer=____, metrics=['accuracy'])

# Display a summary of your model
model.summary()
Code bearbeiten und ausführen