เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

ปัญหาการจำแนกประเภทแบบไบนารี

ในแบบฝึกหัดนี้ จะใช้ข้อมูลบัตรเครดิตอีกครั้ง ตัวแปรเป้าหมาย default ระบุว่าผู้ถือบัตรเครดิตผิดนัดชำระเงินในรอบถัดไปหรือไม่ เนื่องจากมีเพียงสองตัวเลือก คือ ผิดนัดหรือไม่ผิดนัด จึงเป็นปัญหาการจำแนกประเภทแบบไบนารี แม้ชุดข้อมูลจะมีหลาย feature แต่จะมุ่งเน้นเพียงสามรายการ ได้แก่ ยอดบิลบัตรเครดิตสามรายการล่าสุด จากนั้นจะคำนวณการทำนายจากโครงข่ายที่ยังไม่ได้ฝึก outputs และเปรียบเทียบกับตัวแปรเป้าหมาย default

เทนเซอร์ของ feature ได้ถูกโหลดไว้แล้วในชื่อ bill_amounts นอกจากนี้ ยังมี constant(), float32, และ keras.layers.Dense() พร้อมใช้งาน

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

TensorFlow เบื้องต้นใน Python

ดูคอร์ส

คำแนะนำการฝึกหัด

  • กำหนด inputs เป็น constant tensor ชนิด 32-bit floating point โดยใช้ bill_amounts
  • กำหนด dense1 เป็น dense layer ที่มี 3 output node และใช้ฟังก์ชัน activation แบบ relu
  • กำหนด dense2 เป็น dense layer ที่มี 2 output node และใช้ฟังก์ชัน activation แบบ relu
  • กำหนด output layer เป็น dense layer ที่มี output node เดียวและใช้ฟังก์ชัน activation แบบ sigmoid

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# 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)
แก้ไขและรันโค้ด