多類別分類問題
在這個練習中，我們從二元分類擴展到多類別問題。多類別問題的標的可以取 3 個以上的值。在信用卡資料集中，education 變數可以取 6 個不同的值，分別對應不同的教育程度。我們將在本題把它作為目標，同時把特徵從 3 欄擴充到 10 欄。
和上一題一樣，你要定義輸入層、稠密層，以及輸出層。你也會印出未訓練模型的預測結果，即對各類別指派的機率。特徵的張量已載入並以 borrower_features 提供。此外，constant()、float32，以及 keras.layers.Dense() 這些操作都可以使用。
本練習屬於課程
Python 的 TensorFlow 入門
練習說明
- 使用
borrower_features將輸入層定義為 32 位元的常數張量。 - 將第一個稠密層設為 10 個輸出節點，並使用
sigmoid作為啟用函式。 - 將第二個稠密層設為 8 個輸出節點，並使用修正線性單元（ReLU）作為啟用函式。
- 將輸出層設為 6 個輸出節點，並使用合適的啟用函式。
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。
# 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])