Mulai sekarangMulai gratis

Klasifikasi dan regresi dalam satu model

Sekarang Anda akan membuat jenis model 2-keluaran yang berbeda. Kali ini, Anda akan memprediksi selisih skor, bukan skor kedua tim, lalu Anda akan memprediksi probabilitas bahwa tim 1 memenangkan pertandingan. Ini model yang cukup keren: model ini akan melakukan klasifikasi dan regresi sekaligus!

Dalam model ini, matikan bias, atau intercept untuk setiap layer. Masukan Anda (selisih seed dan selisih skor yang diprediksi) memiliki nilai rata-rata yang sangat mendekati nol, dan kedua keluaran Anda juga memiliki nilai rata-rata yang mendekati nol, sehingga model Anda seharusnya tidak memerlukan suku bias untuk menyesuaikan data dengan baik.

Latihan ini merupakan bagian dari kursus

Deep Learning Tingkat Lanjut dengan Keras

Lihat Kursus

Instruksi latihan

  • Buat satu input layer dengan 2 kolom.
  • Output layer pertama harus memiliki 1 unit dengan aktivasi 'linear' dan tanpa suku bias.
  • Output layer kedua harus memiliki 1 unit dengan aktivasi 'sigmoid' dan tanpa suku bias. Selain itu, gunakan output layer pertama sebagai input ke layer ini.
  • Buat sebuah model dengan input dan keluaran tersebut.

Latihan interaktif langsung praktik

Cobalah latihan ini dengan melengkapi kode contoh ini.

# 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 = ____(____, [____, ____])
Edit dan Jalankan Kode