建立具多欄位的輸入層
在本練習中，你會用另一種方式來建立具有多個輸入的模型。此方法只適用於純數值型資料，但在建立多變量的神經網路時更為簡單。
現在你在 tournament 資料集中有三個數值欄位：'seed_diff'、'home'、'pred'。在這個練習中，你將建立一個神經網路，使用單一輸入層同時處理這三個數值輸入。
此模型應只有一個輸出，用來預測比賽分數差。
本練習屬於課程
使用 Keras 的進階深度學習
練習說明
- 建立一個具有 3 個欄的單一輸入層。
- 將此輸入連接到 1 個單元的 Dense 層。
- 以
input_tensor作為輸入、output_tensor作為輸出來建立模型。 - 使用
'adam'作為最佳化器，'mean_absolute_error'作為損失函式來編譯模型。
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# Create an input layer with 3 columns
input_tensor = ____((____,))
# Pass it to a Dense layer with 1 unit
output_tensor = ____(____)(____)
# Create a model
model = ____(____, ____)
# Compile the model
____.____(optimizer=____, loss=____)