多クラス分類問題
この演習では、二値分類から一歩進んで多クラス問題を扱います。多クラス問題では、目的変数が3つ以上の値を取り得ます。クレジットカードのデータセットでは、education 変数が6種類の値を取り、それぞれが異なる学歴レベルに対応しています。本演習ではこれを目的変数として用い、特徴量も3列から10列へ拡張します。
前の問題と同様に、入力層、全結合層（Dense）、出力層を定義します。未学習モデルの予測（各クラスに割り当てられた確率）も出力します。特徴量のテンソルはすでに読み込まれており、borrower_features として利用できます。加えて、constant()、float32、keras.layers.Dense() の各操作が使用可能です。
この演習はコースの一部です
Introduction to TensorFlow in Python
演習の手順
- 入力層を
borrower_featuresを用いた 32 ビットの定数テンソルとして定義します。 - 最初の Dense 層は出力ノード数を 10、活性化関数を
sigmoidに設定します。 - 2 つ目の Dense 層は出力ノード数を 8、活性化関数を rectified linear unit（ReLU）に設定します。
- 出力層は出力ノード数を 6、かつ適切な活性化関数に設定します。
実践的なインタラクティブ演習
このサンプルコードを完成させて、この演習に挑戦してみましょう。
# Construct input layer from borrower features
inputs = ____
# Define first dense layer
dense1 = keras.layers.Dense(____, activation='____')(inputs)
# Define second dense layer
dense2 = ____
# Define output layer
outputs = ____
# Print first five predictions
print(outputs.numpy()[:5])