Zacznij terazZacznij za darmo

Problemy klasyfikacji binarnej

W tym ćwiczeniu ponownie wykorzystasz dane dotyczące kart kredytowych. Zmienna docelowa default wskazuje, czy posiadacz karty kredytowej nie spłaca zobowiązania w kolejnym okresie. Ponieważ istnieją tylko dwie możliwości – spłata lub jej brak – jest to problem klasyfikacji binarnej. Choć zbiór danych zawiera wiele cech, skupisz się na zaledwie trzech: wartościach trzech ostatnich rachunków z karty kredytowej. Na koniec obliczysz predykcje z niewyuczonej sieci neuronowej outputs i porównasz je ze zmienną docelową default.

Tensor cech został wczytany i jest dostępny jako bill_amounts. Dostępne są również operacje constant(), float32 oraz keras.layers.Dense().

To ćwiczenie jest częścią kursu

Wprowadzenie do TensorFlow w Pythonie

Zobacz kurs

Instrukcje do ćwiczenia

  • Zdefiniuj inputs jako stały tensor 32-bitowych liczb zmiennoprzecinkowych, używając bill_amounts.
  • Ustaw dense1 jako warstwę gęstą z 3 węzłami wyjściowymi i funkcją aktywacji relu.
  • Ustaw dense2 jako warstwę gęstą z 2 węzłami wyjściowymi i funkcją aktywacji relu.
  • Ustaw warstwę wyjściową jako warstwę gęstą z jednym węzłem wyjściowym i funkcją aktywacji sigmoid.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# 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)
Edytuj i uruchom kod