Classificazione e regressione in un unico modello
Ora creerai un altro tipo di modello a 2 output. Questa volta, invece di prevedere i punteggi di entrambe le squadre, prevederai la differenza di punteggio e poi la probabilità che la squadra 1 abbia vinto la partita. È un modello davvero interessante: farà sia classificazione sia regressione!
In questo modello, disattiva il bias, o intercetta, per ciascun livello. I tuoi input (differenza di seed e differenza di punteggio prevista) hanno una media molto vicina a zero, e anche i tuoi output hanno medie vicine a zero, quindi il modello non dovrebbe aver bisogno del termine di bias per adattarsi bene ai dati.
Questo esercizio fa parte del corso
Deep Learning avanzato con Keras
Istruzioni dell'esercizio
- Crea un unico livello di input con 2 colonne.
- Il primo livello di output deve avere 1 unità con attivazione
'linear'e senza termine di bias. - Il secondo livello di output deve avere 1 unità con attivazione
'sigmoid'e senza termine di bias. Inoltre, usa il primo livello di output come input per questo livello. - Crea un modello con questo input e questi output.
esercizio interattivo pratico
Prova questo esercizio completando questo codice di esempio.
# 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 = ____(____, [____, ____])