Inizia subitoInizia gratis

Un modello di classificazione binaria

Ora che conosci la struttura del dataset Banknote Authentication, costruiremo un semplice modello per distinguere tra banconote vere e false.

Eseguirai una classificazione binaria usando un singolo neurone in uscita. Il livello di input avrà 4 neuroni, dato che nel nostro insieme di dati ci sono 4 feature. L'output del modello sarà un valore compreso tra 0 e 1.

Interpreteremo questo valore come la probabilità che le nostre variabili di input provengano da una banconota falsa, dove 1 indica che siamo certi che sia falsa.

Questo esercizio fa parte del corso

Introduzione al Deep Learning con Keras

Visualizza corso

Istruzioni dell'esercizio

  • Importa il modello Sequential e il layer Dense da tensorflow.keras.
  • Crea un modello sequenziale.
  • Aggiungi un livello di input con 4 neuroni usando il parametro input_shape e un livello di output con 1 neurone e attivazione sigmoid.
  • Compila il modello usando sgd come ottimizzatore.

esercizio interattivo pratico

Prova questo esercizio completando questo codice di esempio.

# 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()
Modifica ed esegui il codice