LoslegenKostenlos starten

Ein Multiklassen-Modell

Du baust ein Modell, das nur anhand der Landeposition eines Dartpfeils vorhersagt, wer ihn geworfen hat! (Also anhand der x- und y-Koordinaten des Pfeils auf der Scheibe.)

Dieses Problem ist eine Multiklassen-Klassifikation, da jeder Pfeil nur von einer von 4 Personen geworfen worden sein kann. Die Klassen/Labels schließen sich also gegenseitig aus. Daher können wir eine Ausgabeschicht mit so vielen Neuronen wie Teilnehmende bauen und die Aktivierungsfunktion softmax verwenden, damit sich die Wahrscheinlichkeiten über alle Teilnehmenden zu 1 aufsummieren.

Das Sequential-Modell und die Dense-Schichten sind bereits für dich importiert.

Diese Übung ist Teil des Kurses

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

Übungsanweisungen

  • Instanziiere ein Sequential-Modell.
  • Füge 3 Dense-Schichten mit jeweils 128, 64 und 32 Neuronen hinzu.
  • Füge eine letzte Dense-Schicht mit so vielen Neuronen wie Teilnehmende hinzu.
  • Kompiliere dein Modell mit dem Loss categorical_crossentropy.

Interaktive praktische Übung

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

# Instantiate a sequential model
model = ____
  
# Add 3 dense layers of 128, 64 and 32 neurons each
model.add(____(____, input_shape=(2,), activation='relu'))
model.add(____(____, activation='relu'))
model.add(____(____, activation='relu'))
  
# Add a dense layer with as many neurons as competitors
model.add(____(____, activation=____))
  
# Compile your model using categorical_crossentropy loss
model.compile(loss=____,
              optimizer='adam',
              metrics=['accuracy'])
Code bearbeiten und ausführen