Un modello multiclasse
Costruirai un modello che predice chi ha lanciato ogni freccetta basandosi solo sul punto in cui è atterrata! (Ovvero le coordinate x e y sul bersaglio.)
Questo è un problema di classificazione multiclasse, perché ogni freccetta può essere lanciata da uno solo dei 4 concorrenti. Le classi/etichette sono quindi mutuamente esclusive e, di conseguenza, possiamo creare un livello di output con tanti neuroni quanti sono i concorrenti e usare la funzione di attivazione softmax per ottenere una somma totale delle probabilità pari a 1 su tutti i concorrenti.
Il modello Sequential e i livelli Dense sono già importati e pronti all'uso.
Questo esercizio fa parte del corso
Introduzione al Deep Learning con Keras
Istruzioni dell'esercizio
- Istanzia un modello
Sequential. - Aggiungi 3 livelli densi da 128, 64 e 32 neuroni ciascuno.
- Aggiungi un livello denso finale con tanti neuroni quanti sono i concorrenti.
- Compila il modello usando la loss
categorical_crossentropy.
esercizio interattivo pratico
Prova questo esercizio completando questo codice di esempio.
# Instantiate a sequential model
model = ____
# Add 3 dense layers of 128, 64 and 32 neurons each
model.add(____(____, input_shape=(2,), activation='relu'))
model.add(____(____, activation='relu'))
model.add(____(____, activation='relu'))
# Add a dense layer with as many neurons as competitors
model.add(____(____, activation=____))
# Compile your model using categorical_crossentropy loss
model.compile(loss=____,
optimizer='adam',
metrics=['accuracy'])