二元分类模型
既然您已经了解了 Banknote Authentication 数据集的结构，我们将构建一个简单的模型来区分真钞和假钞。
您将通过使用单个神经元作为输出来执行二元分类。输入层将包含 4 个神经元，因为数据集中有 4 个特征。模型的输出会被约束在 0 到 1 之间。
我们把这个输出数值解释为输入变量来自假美元钞票的概率，其中 1 表示我们确信它是伪钞。
本练习是课程的一部分
Keras 深度学习入门
练习说明
- 从 tensorflow.keras 导入
Sequential模型和Dense层。 - 创建一个顺序模型。
- 添加一个具有
input_shape参数的 4 神经元输入层，以及一个使用sigmoid激活函数的 1 神经元输出层。 - 使用
sgd作为优化器编译您的模型。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# 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()