एक बाइनरी क्लासिफिकेशन मॉडल
अब जब आप Banknote Authentication डेटासेट का स्वरूप समझ चुके हैं, तो हम एक सरल मॉडल बनाएँगे जो असली और नकली नोटों में फर्क कर सके.
आप आउटपुट में एक सिंगल न्यूरॉन का उपयोग करके बाइनरी क्लासिफिकेशन करेंगे. इनपुट लेयर में 4 न्यूरॉन होंगे क्योंकि हमारे डेटासेट में 4 फीचर्स हैं. मॉडल का आउटपुट 0 और 1 के बीच सीमित एक मान होगा.
हम इस आउटपुट संख्या को इस रूप में समझेंगे कि हमारे इनपुट वैरिएबल्स नकली डॉलर नोट से आए हैं, जहाँ 1 का मतलब है कि हमें पूरा यकीन है कि वह नोट नकली है.
यह अभ्यास पाठ्यक्रम का हिस्सा है
Keras के साथ डीप लर्निंग परिचय
अभ्यास निर्देश
- tensorflow.keras से
Sequentialमॉडल औरDenseलेयर इम्पोर्ट करें. - एक सीक्वेंशियल मॉडल बनाएँ.
input_shapeपैरामीटर के साथ 4 न्यूरॉन वाली इनपुट लेयर औरsigmoidएक्टिवेशन के साथ 1 न्यूरॉन वाली आउटपुट लेयर जोड़ें.- अपने मॉडल को
sgdको ऑप्टिमाइज़र के रूप में उपयोग करके कम्पाइल करें.
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# 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()