一个模型同时用于分类与回归
现在，您将创建一种不同的双输出模型。这一次，您将预测分差（而不是两队各自的得分），然后再预测队伍 1 获胜的概率。这个模型很有意思：它将同时完成分类和回归！
在本模型中，请关闭各层的偏置项（截距）。您的输入（种子差和预测分差）的均值都非常接近 0，两个输出的均值也接近 0，因此模型并不需要偏置项也能很好地拟合数据。
本练习是课程的一部分
使用 Keras 的高级深度学习
练习说明
- 创建一个包含 2 列的单输入层。
- 第一个输出层应有 1 个单元，使用
'linear'激活函数，且不包含偏置项。 - 第二个输出层应有 1 个单元，使用
'sigmoid'激活函数，且不包含偏置项。同时，将第一个输出层作为该层的输入。 - 使用上述输入与输出创建一个模型。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# 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 = ____(____, [____, ____])