ПочатиПочніть безкоштовно

Модель бінарної класифікації

Тепер, коли ви знаєте, як виглядає набір даних Banknote Authentication, збудуємо просту модель, щоб розрізняти справжні та фальшиві банкноти.

Ви виконаєте бінарну класифікацію, використовуючи один нейрон на виході. Вхідний шар матиме 4 нейрони, адже в нашому наборі даних є 4 ознаки. Вихід моделі буде значенням у діапазоні від 0 до 1.

Ми тлумачитимемо це число як імовірність того, що вхідні змінні належать фальшивій доларовій банкноті, де 1 означає, що ми певні: це фальшивка.

Ця вправа є частиною курсу

Вступ до Deep Learning з Keras

Переглянути курс

Інструкції до вправи

  • Імпортуйте модель Sequential і шар Dense з tensorflow.keras.
  • Створіть послідовну модель.
  • Додайте вхідний шар на 4 нейрони за допомогою параметра input_shape і вихідний шар на 1 нейрон з активацією sigmoid.
  • Скомпілюйте вашу модель, використавши sgd як оптимізатор.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# 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()
Редагувати та запускати код