ComenzarEmpieza gratis

Un modelo de clasificación binaria

Ahora que ya sabe cómo es el conjunto de datos de Autenticación de Billetes, vamos a construir un modelo sencillo para distinguir entre billetes auténticos y falsos.

Realizará una clasificación binaria utilizando una sola neurona como salida. La capa de entrada tendrá 4 neuronas, ya que tenemos 4 características en nuestro conjunto de datos. La salida del modelo será un valor limitado entre 0 y 1.

Interpretaremos este número de salida como la probabilidad de que nuestras variables de entrada provengan de un billete de dólar falso, con 1 significando que estamos seguros de que es un billete falso.

Este ejercicio forma parte del curso

Introducción al aprendizaje profundo con Keras

Ver curso

Instrucciones de ejercicio

  • Importa el modelo Sequential y la capa Dense de tensorflow.keras.
  • Crear un modelo secuencial.
  • Añada una capa de entrada de 4 neuronas con el parámetro input_shape y una capa de salida de 1 neurona con activación sigmoid.
  • Compile su modelo utilizando sgd como optimizador.

Ejercicio interactivo práctico

Pruebe este ejercicio completando este código de muestra.

# 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()
Editar y ejecutar código