單一模型同時做分類與回歸
現在你要建立另一種 2 輸出的模型。這次，你會先預測分數差，而不是分別預測兩隊的分數，然後再預測隊伍 1 贏得比賽的機率。這個模型很有意思：它會同時做分類與回歸！
在這個模型中，請關閉每一層的偏差（bias，亦即截距）。你的輸入（種子差與預測分數差）的平均數非常接近 0，而且兩個輸出的平均數也接近 0，因此模型不需要偏差項也能很好地擬合資料。
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 2 欄的單一輸入層。
- 第一個輸出層應有 1 個單元，使用
'linear'啟用函式，且不含偏差項。 - 第二個輸出層應有 1 個單元，使用
'sigmoid'啟用函式，且不含偏差項。同時，將第一個輸出層作為此層的輸入。 - 以這個輸入與這些輸出建立模型。
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 2 columns
input_tensor = ____
# Create the first output
output_tensor_1 = ____(____, activation=____, use_bias=____)(____)
# Create the second output (use the first output as input here)
output_tensor_2 = ____(____, activation=____, use_bias=____)(____)
# Create a model with 2 outputs
model = ____(____, [____, ____])