Problèmes de classification multiclasse
Dans cet exercice, nous allons au-delà de la classification binaire pour aborder les problèmes multiclasse. Dans un problème multiclasse, la cible peut prendre trois valeurs ou plus. Dans l'ensemble de données sur les cartes de crédit, la variable « education » peut prendre 6 valeurs différentes, chacune correspondant à un niveau de scolarité. Nous l'utiliserons comme cible dans cet exercice et nous élargirons aussi l'ensemble de caractéristiques de 3 à 10 colonnes.
Comme dans l'exercice précédent, vous allez définir une couche d'entrée, des couches denses et une couche de sortie. Vous afficherez aussi les prédictions du modèle non entraîné, soit les probabilités attribuées aux classes. Le tenseur de caractéristiques a été chargé et est disponible sous le nom borrower_features. De plus, les opérations constant(), float32 et keras.layers.Dense() sont disponibles.
Cette activité fait partie du cours
Introduction à TensorFlow en Python
Instructions de l’exercice
- Définissez la couche d'entrée comme un tenseur constant 32 bits à partir de
borrower_features. - Réglez la première couche dense pour qu'elle ait 10 nœuds de sortie et une fonction d'activation
sigmoid. - Réglez la deuxième couche dense pour qu'elle ait 8 nœuds de sortie et une fonction d'activation linéaire rectifiée.
- Réglez la couche de sortie pour qu'elle ait 6 nœuds de sortie et la fonction d'activation appropriée.
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Construct input layer from borrower features
inputs = ____
# Define first dense layer
dense1 = keras.layers.Dense(____, activation='____')(inputs)
# Define second dense layer
dense2 = ____
# Define output layer
outputs = ____
# Print first five predictions
print(outputs.numpy()[:5])