EmpezarEmpieza gratis

Un modelo de clasificación binaria

Ahora que ya conoces cómo es el conjunto de datos de Banknote Authentication, vamos a construir un modelo sencillo para distinguir entre billetes reales y falsos.

Harás clasificación binaria usando una sola neurona como salida. La capa de entrada tendrá 4 neuronas porque nuestro conjunto de datos tiene 4 características. 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 falso, donde 1 significa que tenemos la certeza de que es falso.

Este ejercicio forma parte del curso

Introducción al Deep Learning con Keras

Ver curso

Instrucciones del ejercicio

  • Importa el modelo Sequential y la capa Dense de tensorflow.keras.
  • Crea un modelo secuencial.
  • Añade una capa de entrada de 4 neuronas con el parámetro input_shape y una capa de salida de 1 neurona con activación sigmoid.
  • Compila tu modelo usando sgd como optimizador.

ejercicio interactivo práctico

Prueba este ejercicio completando este código de ejemplo.

# 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