Klasyfikacja i regresja w jednym modelu
Teraz stworzysz inny rodzaj modelu z 2 wyjściami. Tym razem zamiast wyników obu drużyn przewidzisz różnicę punktową, a następnie obliczysz prawdopodobieństwo, że drużyna 1 wygrała mecz. To naprawdę ciekawy model – jednocześnie wykonuje klasyfikację i regresję!
W tym modelu wyłącz wyraz wolny (bias) w każdej warstwie. Twoje wejścia (różnica rozstawień i przewidywana różnica punktowa) mają średnią bliską zeru, a oba wyjścia również mają średnie bliskie zeru – dlatego model powinien dobrze dopasować dane nawet bez wyrazu wolnego.
To ćwiczenie jest częścią kursu
Zaawansowane uczenie głębokie z Keras
Instrukcje do ćwiczenia
- Utwórz pojedynczą warstwę wejściową z 2 kolumnami.
- Pierwsza warstwa wyjściowa powinna mieć 1 neuron z aktywacją
'linear'i bez wyrazu wolnego. - Druga warstwa wyjściowa powinna mieć 1 neuron z aktywacją
'sigmoid'i bez wyrazu wolnego. Jako wejście do tej warstwy użyj pierwszej warstwy wyjściowej. - Utwórz model z tymi wejściami i wyjściami.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Create an input layer with 2 columns
input_tensor = ____
# Create the first output
output_tensor_1 = ____(____, activation=____, use_bias=____)(____)
# Create the second output (use the first output as input here)
output_tensor_2 = ____(____, activation=____, use_bias=____)(____)
# Create a model with 2 outputs
model = ____(____, [____, ____])