Kom igångKom igång gratis

Binära klassificeringsproblem

I den här övningen använder du kreditkortsdata igen. Målvariabeln, default, anger om en kreditkortsinnehavare misslyckas med sin betalning under nästkommande period. Eftersom det bara finns två möjliga utfall – betalningsinställelse eller inte – är detta ett binärt klassificeringsproblem. Datamängden innehåller många särdrag, men du fokuserar på bara tre: storleken på de tre senaste kreditkortsräkningarna. Slutligen beräknar du prediktioner från ditt otränade nätverk, outputs, och jämför dem med målvariabeln, default.

Featuretensorn har laddats in och är tillgänglig som bill_amounts. Dessutom är operationerna constant(), float32 och keras.layers.Dense() tillgängliga.

Den här övningen är en del av kursen

Introduktion till TensorFlow i Python

Visa kurs

Övningsinstruktioner

  • Definiera inputs som en 32-bitars flyttalskonstanttensor med hjälp av bill_amounts.
  • Sätt dense1 till ett tätt lager med 3 utdatanoder och aktiveringsfunktionen relu.
  • Sätt dense2 till ett tätt lager med 2 utdatanoder och aktiveringsfunktionen relu.
  • Sätt utdatalagret till ett tätt lager med en enda utdatanod och aktiveringsfunktionen sigmoid.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# 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)
Redigera och kör kod