Mulai sekarangMulai gratis

Model klasifikasi biner

Sekarang setelah Anda memahami seperti apa himpunan data Banknote Authentication, kita akan membangun model sederhana untuk membedakan uang asli dan palsu.

Anda akan melakukan klasifikasi biner dengan menggunakan satu neuron sebagai keluaran. Lapisan masukan akan memiliki 4 neuron karena ada 4 fitur dalam himpunan data kita. Keluaran model akan berupa nilai yang dibatasi antara 0 dan 1.

Kita akan menafsirkan angka keluaran ini sebagai probabilitas bahwa variabel masukan berasal dari uang dolar palsu, dengan nilai 1 berarti kita yakin itu uang palsu.

Latihan ini merupakan bagian dari kursus

Pengantar Deep Learning dengan Keras

Lihat Kursus

Instruksi latihan

  • Impor model Sequential dan layer Dense dari tensorflow.keras.
  • Buat model sequential.
  • Tambahkan lapisan masukan dengan 4 neuron menggunakan parameter input_shape dan lapisan keluaran dengan 1 neuron menggunakan aktivasi sigmoid.
  • Kompilasi model Anda dengan menggunakan sgd sebagai optimizer.

Latihan interaktif langsung praktik

Cobalah latihan ini dengan melengkapi kode contoh ini.

# 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()
Edit dan Jalankan Kode