Классификация и регрессия в одной модели
Теперь вы создадите модель с двумя выходами другого типа. На этот раз вы будете предсказывать разницу в счёте вместо счёта каждой команды, а затем — вероятность того, что команда 1 выиграла матч. Это по-настоящему интересная модель: она одновременно решает задачи классификации и регрессии!
В этой модели отключите смещение (свободный член) для каждого слоя. Входные данные (разница посевов и предсказанная разница в счёте) имеют среднее значение, близкое к нулю, и выходные данные тоже близки к нулю — поэтому модели не потребуется член смещения для хорошего соответствия данным.
Это упражнение является частью курса
Продвинутое глубокое обучение с Keras
Инструкции к упражнению
- Создайте один входной слой с 2 столбцами.
- Первый выходной слой должен содержать 1 нейрон с активацией
'linear'и без члена смещения. - Второй выходной слой должен содержать 1 нейрон с активацией
'sigmoid'и без члена смещения. В качестве входных данных для этого слоя используйте первый выходной слой. - Создайте модель с этими входными и выходными данными.
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
# 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 = ____(____, [____, ____])