二元分類模型
既然你已經了解 Banknote Authentication 資料集的樣貌，接下來我們要建立一個簡單的模型，來分辨真鈔與假鈔。
你將用單一神經元作為輸出，來執行二元分類。輸入層會有 4 個神經元，因為資料集中有 4 個特徵。模型的輸出會被限制在 0 到 1 之間。
我們會把這個輸出數值解讀為「輸入變數來自假鈔」的機率，其中 1 代表我們確定它是假的。
本練習屬於課程
Keras 深度學習入門
練習說明
- 從 tensorflow.keras 匯入
Sequential模型與Dense層。 - 建立一個序列式模型。
- 使用
input_shape參數新增具有 4 個神經元的輸入層，並加入使用sigmoid活化函式的 1 個神經元輸出層。 - 使用
sgd作為最佳化器來編譯你的模型。
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。
# 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()