Mulai sekarangMulai gratis

Masalah klasifikasi biner

Pada latihan ini, Anda kembali akan menggunakan data kartu kredit. Variabel target, default, menunjukkan apakah pemegang kartu kredit gagal bayar pada periode berikutnya. Karena hanya ada dua kemungkinan—gagal bayar atau tidak—ini adalah masalah klasifikasi biner. Meskipun himpunan data memiliki banyak fitur, Anda akan berfokus hanya pada tiga: besaran tiga tagihan kartu kredit terakhir. Terakhir, Anda akan menghitung prediksi dari jaringan yang belum dilatih, outputs, dan membandingkannya dengan variabel target, default.

Tensor fitur telah dimuat dan tersedia sebagai bill_amounts. Selain itu, operasi constant(), float32, dan keras.layers.Dense() tersedia.

Latihan ini merupakan bagian dari kursus

Pendahuluan TensorFlow di Python

Lihat Kursus

Instruksi latihan

  • Definisikan inputs sebagai tensor konstanta bertipe floating point 32-bit menggunakan bill_amounts.
  • Atur dense1 sebagai layer dense dengan 3 node keluaran dan fungsi aktivasi relu.
  • Atur dense2 sebagai layer dense dengan 2 node keluaran dan fungsi aktivasi relu.
  • Atur layer keluaran sebagai layer dense dengan satu node keluaran dan fungsi aktivasi sigmoid.

Latihan interaktif langsung praktik

Cobalah latihan ini dengan melengkapi kode contoh ini.

# Construct input layer from features
inputs = ____

# Define first dense layer
dense1 = keras.layers.Dense(____, activation='____')(inputs)

# Define second dense layer
dense2 = ____

# Define output layer
outputs = ____

# Print error for first five examples
error = default[:5] - outputs.numpy()[:5]
print(error)
Edit dan Jalankan Kode