Een multi-class model
Je gaat een model bouwen dat voorspelt wie welke dart heeft gegooid, alleen op basis van waar die dart is beland! (Dus de x- en y-coördinaten van de dart op het bord.)
Dit is een multi-class-classificatieprobleem, omdat elke dart maar door één van de 4 deelnemers kan zijn gegooid. Klassen/labels zijn dus wederzijds uitsluitend. Daarom kunnen we een neuron bouwen met evenveel outputs als deelnemers en de softmax-activatiefunctie gebruiken, zodat de som van de kansen over alle deelnemers 1 is.
Het Sequential-model en de Dense-lagen zijn al voor je geïmporteerd.
Deze oefening maakt deel uit van de cursus
Introductie tot Deep Learning met Keras
Oefeninstructies
- Maak een
Sequential-model aan. - Voeg 3 dense lagen toe met respectievelijk 128, 64 en 32 neuronen.
- Voeg een laatste dense laag toe met evenveel neuronen als deelnemers.
- Compileer je model met
categorical_crossentropy-verlies.
Praktische interactieve oefening
Probeer deze oefening eens door deze voorbeeldcode in te vullen.
# Instantiate a sequential model
model = ____
# Add 3 dense layers of 128, 64 and 32 neurons each
model.add(____(____, input_shape=(2,), activation='relu'))
model.add(____(____, activation='relu'))
model.add(____(____, activation='relu'))
# Add a dense layer with as many neurons as competitors
model.add(____(____, activation=____))
# Compile your model using categorical_crossentropy loss
model.compile(loss=____,
optimizer='adam',
metrics=['accuracy'])