1. 학습
    2. /
  2. 강의
    3. /
  3. Introduction to TensorFlow in Python
Connected

연습 문제

モデルと損失関数の定義

この演習では、クレジットカード保有者が延滞（デフォルト）するかどうかを予測するニューラルネットワークを学習させます。学習に使う特徴量と目的変数は、Python シェル上でそれぞれ borrower_features と default として利用できます。重みとバイアスは前の演習で定義済みです。

predictions レイヤーは \(\sigma(layer1*w2+b2)\) として定義されています。ここで、\(\sigma\) はシグモイド活性化関数、layer1 は最初の隠れ全結合レイヤーのノードのテンソル、w2 は重みのテンソル、b2 はバイアスのテンソルです。

学習可能な変数は w1、b1、w2、b2 です。さらに、次の操作がインポート済みです：keras.activations.relu() と keras.layers.Dropout()。

지침

100 XP
  • 最初のレイヤーに ReLU（整流線形）活性化関数を適用します。
  • layer1 に 25% のドロップアウトを適用します。
  • 交差エントロピー損失関数に、目的変数 targets と予測値 predictions をこの順で渡します。