Kom igångKom igång gratis

En binär klassificeringsmodell

Nu när du känner till hur Banknote Authentication-datamängden ser ut ska vi bygga en enkel modell för att skilja äkta sedlar från falska.

Du utför binär klassificering med en enda neuron som utdata. Indatalagret har 4 neuroner eftersom datamängden innehåller 4 särdrag. Modellens utdata är ett värde mellan 0 och 1.

Detta värde tolkas som sannolikheten att indatavariablerna tillhör en falsk dollarsedel, där 1 innebär att vi är säkra på att sedeln är falsk.

Den här övningen är en del av kursen

Introduktion till djupinlärning med Keras

Visa kurs

Övningsinstruktioner

  • Importera Sequential-modellen och Dense-lagret från tensorflow.keras.
  • Skapa en sekventiell modell.
  • Lägg till ett indatalager med 4 neuroner via parametern input_shape och ett utdatalager med 1 neuron och sigmoid-aktivering.
  • Kompilera din modell med sgd som optimerare.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# 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()
Redigera och kör kod