Aan de slagGa gratis aan de slag

Binaire classificatieproblemen

In deze oefening werk je opnieuw met creditcardgegevens. De doelvariabele, default, geeft aan of een creditcardhouder in de volgende periode in gebreke blijft met betalen. Omdat er maar twee opties zijn—wel of geen default—gaat het om een binair classificatieprobleem. Hoewel de gegevensset veel features heeft, focus je hier op slechts drie: de hoogte van de drie laatste creditcardrekeningen. Tot slot bereken je voorspellingen met je ongetrainde netwerk, outputs, en vergelijk je die met de doelvariabele, default.

De tensor met features is ingeladen en beschikbaar als bill_amounts. Daarnaast zijn de bewerkingen constant(), float32 en keras.layers.Dense() beschikbaar.

Deze oefening maakt deel uit van de cursus

Introductie tot TensorFlow in Python

Cursus bekijken

Oefeninstructies

  • Definieer inputs als een 32-bits float-constante tensor met bill_amounts.
  • Stel dense1 in als een dense-laag met 3 outputnodes en een relu-activatiefunctie.
  • Stel dense2 in als een dense-laag met 2 outputnodes en een relu-activatiefunctie.
  • Stel de outputlaag in als een dense-laag met één outputnode en een sigmoid-activatiefunctie.

Praktische interactieve oefening

Probeer deze oefening eens door deze voorbeeldcode in te vullen.

# Construct input layer from features
inputs = ____

# Define first dense layer
dense1 = keras.layers.Dense(____, activation='____')(inputs)

# Define second dense layer
dense2 = ____

# Define output layer
outputs = ____

# Print error for first five examples
error = default[:5] - outputs.numpy()[:5]
print(error)
Code bewerken en uitvoeren