하나의 모델로 분류와 회귀 수행하기
이번에는 다른 형태의 2-출력 모델을 만들어 보겠습니다. 이번에는 양 팀의 점수를 각각 예측하는 대신 점수 차이를 예측하고, 이어서 팀 1이 경기를 이겼을 확률을 예측합니다. 꽤 멋진 모델이죠. 분류와 회귀를 동시에 수행하니까요!
이 모델에서는 각 레이어의 bias(절편)를 끄세요. 입력값(시드 차이와 예측된 점수 차이)의 평균이 거의 0에 가깝고, 두 출력의 평균도 0에 가깝기 때문에, 데이터를 잘 학습하는 데 bias 항이 꼭 필요하지 않습니다.
이 연습은 강의의 일부입니다
Keras로 배우는 Advanced Deep Learning
연습 안내
- 열 2개를 갖는 단일 입력 레이어를 만드세요.
- 첫 번째 출력 레이어는 유닛 1개,
'linear'활성화 함수, bias 없음으로 설정하세요. - 두 번째 출력 레이어는 유닛 1개,
'sigmoid'활성화 함수, bias 없음으로 설정하고, 첫 번째 출력 레이어를 이 레이어의 입력으로 사용하세요. - 이 입력과 출력으로 모델을 만드세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# 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 = ____(____, [____, ____])