다중 클래스 분류 문제
이번 연습에서는 이진 분류를 넘어 다중 클래스 문제를 다룹니다. 다중 클래스 문제의 타깃은 세 개 이상의 값을 가질 수 있습니다. 신용카드 데이터셋에서 교육 수준 변수는 서로 다른 교육 수준에 대응하는 6개의 값을 가질 수 있습니다. 이번 연습에서는 이 변수를 타깃으로 사용하고, 특성도 3열에서 10열로 확장합니다.
이전 문제와 마찬가지로 입력층, 밀집층, 출력층을 정의합니다. 또한 학습되지 않은 모델의 예측도 출력하는데, 이는 각 클래스에 할당된 확률입니다. 특성 텐서는 borrower_features로 로드되어 있으며 사용할 수 있습니다. 추가로 constant(), float32, keras.layers.Dense() 연산을 사용할 수 있습니다.
이 연습은 강의의 일부입니다
Python으로 시작하는 TensorFlow
연습 안내
borrower_features를 사용해 입력층을 32비트 상수 텐서로 정의하세요.- 첫 번째 밀집층을 출력 노드 10개와
sigmoid활성화 함수로 설정하세요. - 두 번째 밀집층을 출력 노드 8개와 ReLU(정류 선형 단위) 활성화 함수로 설정하세요.
- 출력층을 출력 노드 6개와 적절한 활성화 함수로 설정하세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# 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])