1. Nauka
    2. /
  2. Kursy
    3. /
  3. Wprowadzenie do uczenia głębokiego z Keras
Connected

ćwiczenie

Model binarnej klasyfikacji

Teraz, gdy wiesz już, jak wygląda zbiór danych Banknote Authentication, zbudujemy prosty model do odróżniania prawdziwych banknotów od fałszywych.

Wykonasz binarną klasyfikację, używając pojedynczego neuronu jako wyjścia. Warstwa wejściowa będzie miała 4 neurony, ponieważ w zbiorze danych mamy 4 cechy. Wyjście modelu to wartość z zakresu od 0 do 1.

Tę wartość będziemy interpretować jako prawdopodobieństwo, że dane wejściowe pochodzą z fałszywego banknotu – wartość 1 oznacza pełną pewność, że banknot jest fałszywy.

Instrukcje

100 XP
  • Zaimportuj model Sequential i warstwę Dense z tensorflow.keras.
  • Stwórz model sekwencyjny.
  • Dodaj warstwę wejściową z 4 neuronami, używając parametru input_shape, oraz warstwę wyjściową z 1 neuronem i aktywacją sigmoid.
  • Skompiluj model, używając sgd jako optymalizatora.