ปัญหาการจำแนกประเภทแบบ Multiclass
ในแบบฝึกหัดนี้ เราจะขยายขอบเขตจากการจำแนกประเภทแบบ binary ไปสู่ปัญหาแบบ multiclass ซึ่งเป็นปัญหาที่ค่าเป้าหมายมีได้ตั้งแต่ 3 ค่าขึ้นไป ในชุดข้อมูลบัตรเครดิต ตัวแปร education สามารถมีได้ถึง 6 ค่า โดยแต่ละค่าสอดคล้องกับระดับการศึกษาที่แตกต่างกัน เราจะใช้ตัวแปรนี้เป็นค่าเป้าหมาย และขยายชุด feature จาก 3 คอลัมน์เป็น 10 คอลัมน์
เช่นเดียวกับโจทย์ก่อนหน้า จะต้องกำหนด input layer, dense layer และ output layer จากนั้นแสดงผลการพยากรณ์ของโมเดลก่อนฝึก ซึ่งเป็นค่าความน่าจะเป็นที่กำหนดให้แต่ละคลาส tensor ของ feature ถูกโหลดไว้แล้วในตัวแปร borrower_features และสามารถใช้ constant(), float32 รวมถึง keras.layers.Dense() ได้เลย
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
TensorFlow เบื้องต้นใน Python
คำแนะนำการฝึกหัด
- กำหนด input layer เป็น constant tensor แบบ 32 บิต โดยใช้
borrower_features - กำหนด dense layer แรกให้มี output node 10 node และใช้ฟังก์ชัน activation เป็น
sigmoid - กำหนด dense layer ที่สองให้มี output node 8 node และใช้ฟังก์ชัน activation แบบ rectified linear unit
- กำหนด output layer ให้มี output node 6 node และเลือกฟังก์ชัน activation ที่เหมาะสม
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
# Construct input layer from borrower features
inputs = ____
# Define first dense layer
dense1 = keras.layers.Dense(____, activation='____')(inputs)
# Define second dense layer
dense2 = ____
# Define output layer
outputs = ____
# Print first five predictions
print(outputs.numpy()[:5])