ComeçarComece de graça

Um modelo de classificação binária

Agora que você já conhece o conjunto de dados Banknote Authentication, vamos construir um modelo simples para diferenciar notas verdadeiras de falsas.

Você fará uma classificação binária usando um único neurônio na saída. A camada de entrada terá 4 neurônios, já que temos 4 variáveis no nosso conjunto de dados. A saída do modelo será um valor limitado entre 0 e 1.

Vamos interpretar esse número de saída como a probabilidade de nossas variáveis de entrada virem de uma nota de dólar falsa, sendo 1 a certeza de que é uma nota falsa.

Este exercício faz parte do curso

Introdução ao Deep Learning com Keras

Ver curso

Instruções do exercício

  • Importe o modelo Sequential e a camada Dense de tensorflow.keras.
  • Crie um modelo sequencial.
  • Adicione uma camada de entrada com 4 neurônios usando o parâmetro input_shape e uma camada de saída com 1 neurônio e ativação sigmoid.
  • Compile seu modelo usando sgd como otimizador.

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

# Import the sequential model and dense layer
from tensorflow.keras.____ import ____
from tensorflow.keras.____ import ____

# Create a sequential model
model = ____

# Add a dense layer 
model.____(Dense(____, input_shape=(____,), activation=____))

# Compile your model
model.____(loss='binary_crossentropy', optimizer=____, metrics=['accuracy'])

# Display a summary of your model
model.summary()
Editar e executar o código