Classification et régression dans un seul modèle
Vous allez maintenant créer un autre type de modèle à 2 sorties. Cette fois, vous prédirez l'écart de points plutôt que les scores des deux équipes, puis vous prédirez la probabilité que l'équipe 1 ait gagné le match. C'est un modèle très intéressant : il va faire à la fois de la classification et de la régression!
Dans ce modèle, désactivez le biais (ou l'ordonnée à l'origine) pour chaque couche. Vos entrées (écart de classement et écart de points prévu) ont une moyenne très proche de zéro, et vos sorties ont également des moyennes proches de zéro. Votre modèle ne devrait donc pas avoir besoin du terme de biais pour bien ajuster les données.
Cette activité fait partie du cours
Machine Learning avancé avec Keras
Instructions de l’exercice
- Créez une seule couche d'entrée avec 2 colonnes.
- La première couche de sortie doit avoir 1 unité avec l'activation
'linear'et aucun terme de biais. - La deuxième couche de sortie doit avoir 1 unité avec l'activation
'sigmoid'et aucun terme de biais. Utilisez aussi la première couche de sortie comme entrée de cette couche. - Créez un modèle avec cette entrée et ces sorties.
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# 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 = ____(____, [____, ____])