Problèmes de classification multiclasse
Dans cet exercice, nous allons au-delà de la classification binaire pour traiter des problèmes multiclasse. Un problème multiclasse a des cibles pouvant prendre trois valeurs ou plus. Dans l’ensemble de données de cartes de crédit, la variable « education » peut prendre 6 valeurs différentes, chacune correspondant à un niveau d’études. Nous allons l’utiliser comme variable cible et étendre 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, c’est‑à‑dire 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.
Cet exercice fait partie du cours
Introduction à TensorFlow en Python
Instructions
- Définissez la couche d’entrée comme un tenseur constant 32 bits en utilisant
borrower_features. - Paramétrez la première couche dense avec 10 nœuds de sortie et une fonction d’activation
sigmoid. - Paramétrez la deuxième couche dense avec 8 nœuds de sortie et une fonction d’activation linéaire rectifiée.
- Paramétrez la couche de sortie avec 6 nœuds de sortie et la fonction d’activation appropriée.
Exercice interactif pratique
Essayez cet exercice en complétant cet exemple de code.
# 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])