Zacznij terazZacznij za darmo

Tworzenie warstwy wejściowej z wieloma kolumnami

W tym ćwiczeniu poznasz inny sposób tworzenia modeli z wieloma wejściami. Ta metoda działa wyłącznie z danymi liczbowymi, ale jest znacznie prostszym podejściem do budowania wielowymiarowych sieci neuronowych.

Zbiór danych turniejowych zawiera trzy kolumny numeryczne: 'seed_diff', 'home' i 'pred'. W tym ćwiczeniu stworzysz sieć neuronową, która wykorzystuje pojedynczą warstwę wejściową do przetwarzania wszystkich trzech wartości liczbowych.

Model powinien mieć jedno wyjście, które będzie przewidywać różnicę wyników w meczach turniejowych.

To ćwiczenie jest częścią kursu

Zaawansowane uczenie głębokie z Keras

Zobacz kurs

Instrukcje do ćwiczenia

  • Utwórz pojedynczą warstwę wejściową z 3 kolumnami.
  • Połącz tę warstwę z warstwą Dense o 1 jednostce.
  • Zdefiniuj model z input_tensor jako wejściem i output_tensor jako wyjściem.
  • Skompiluj model, używając 'adam' jako optymalizatora i 'mean_absolute_error' jako funkcji straty.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# Create an input layer with 3 columns
input_tensor = ____((____,))

# Pass it to a Dense layer with 1 unit
output_tensor = ____(____)(____)

# Create a model
model = ____(____, ____)

# Compile the model
____.____(optimizer=____, loss=____)
Edytuj i uruchom kod