모델과 손실 함수 정의하기

이 연습 문제에서는 신경망을 학습시켜 신용카드 보유자가 연체(default)할지 예측해 볼 거예요. 네트워크를 학습하는 데 사용할 특성과 타깃은 Python 셸의 borrower_features와 default로 제공돼요. 가중치와 편향은 이전 연습 문제에서 정의했어요.

predictions 레이어는 $\sigma(layer1*w2+b2)$로 정의되어 있으며, 여기서 $\sigma$는 시그모이드 활성화 함수이고, layer1은 첫 번째 은닉 밀집 레이어의 노드 텐서, w2는 가중치 텐서, b2는 편향 텐서예요.

학습 가능한 변수는 w1, b1, w2, b2예요. 추가로, 다음 연산이 미리 임포트되어 있어요: keras.activations.relu()와 keras.layers.Dropout().