Classificação e regressão em um modelo
Agora você vai criar um modelo diferente de 2 saídas. Desta vez, você vai prever a diferença de pontos, em vez dos pontos de ambas as equipes, e depois vai prever a probabilidade de a equipe 1 ganhar o jogo. Esse modelo é bem legal: vai fazer classificação e regressão!
Nesse modelo, desligue o viés ou a interceptação para cada camada. As tuas entradas (diferença entre sementes e diferença de pontuação prevista) têm uma média muito próxima de zero, e as tuas saídas têm ambas médias próximas de zero, pelo que o teu modelo não deve precisar do termo de enviesamento para se ajustar bem aos dados.
Este exercício faz parte do curso
Aprendizado profundo avançado com Keras
Instruções do exercício
- Crie uma única camada de entrada com duas colunas.
- A primeira camada de saída deve ter 1 unidade com ativação d
'linear'o e sem termo de viés. - A segunda camada de saída deve ter 1 unidade com ativação d
'sigmoid'o e sem termo de polarização. Além disso, use a primeira camada de saída como entrada para essa camada. - Crie um modelo com essas entradas e saídas.
Exercício interativo prático
Experimente este exercício completando este código de exemplo.
# 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 = ____(____, [____, ____])