Bài toán phân loại đa lớp
Trong bài tập này, bạn sẽ mở rộng từ phân loại nhị phân sang bài toán đa lớp. Bài toán đa lớp có biến mục tiêu có thể nhận ba giá trị trở lên. Trong bộ dữ liệu thẻ tín dụng, biến education có thể nhận 6 giá trị khác nhau, mỗi giá trị tương ứng với một mức học vấn. Chúng ta sẽ dùng biến này làm mục tiêu trong bài tập và đồng thời mở rộng tập đặc trưng từ 3 lên 10 cột.
Tương tự bài trước, bạn sẽ định nghĩa một tầng đầu vào, các tầng dày đặc (dense), và một tầng đầu ra. Bạn cũng sẽ in ra dự đoán của mô hình chưa được huấn luyện, tức các xác suất gán cho từng lớp. Tensor đặc trưng đã được nạp sẵn và có sẵn dưới tên borrower_features. Ngoài ra, các phép toán constant(), float32, và keras.layers.Dense() cũng sẵn sàng để sử dụng.
Bài tập này là một phần của khóa học
Nhập môn TensorFlow bằng Python
Hướng dẫn bài tập
- Định nghĩa tầng đầu vào là một tensor hằng 32-bit dùng
borrower_features. - Đặt tầng dense đầu tiên có 10 node đầu ra và hàm kích hoạt
sigmoid. - Đặt tầng dense thứ hai có 8 node đầu ra và hàm kích hoạt rectified linear unit.
- Đặt tầng đầu ra có 6 node đầu ra và hàm kích hoạt phù hợp.
Bài tập tương tác thực hành trực tiếp
Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.
# 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])