一个多类模型
您将构建一个模型，只根据飞镖落点来预测是谁投的！也就是根据飞镖在靶面上的 x、y 坐标进行判断。
这是一个多类分类问题，因为每支飞镖只可能由 4 位参赛者中的一位投出。也就是说类别/标签是互斥的。因此，我们可以构建一个输出神经元数量等于参赛者数量的神经网络，并使用 softmax 激活函数，使所有参赛者的预测概率之和为 1。
Sequential 模型和 Dense 层已为您导入，可以直接使用。
本练习是课程的一部分
Keras 深度学习入门
练习说明
- 实例化一个
Sequential模型。 - 添加 3 个全连接层，神经元数分别为 128、64 和 32。
- 添加一个最终的全连接层，神经元数量与参赛者数量相同。
- 使用
categorical_crossentropy损失函数编译模型。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Instantiate a sequential model
model = ____
# Add 3 dense layers of 128, 64 and 32 neurons each
model.add(____(____, input_shape=(2,), activation='relu'))
model.add(____(____, activation='relu'))
model.add(____(____, activation='relu'))
# Add a dense layer with as many neurons as competitors
model.add(____(____, activation=____))
# Compile your model using categorical_crossentropy loss
model.compile(loss=____,
optimizer='adam',
metrics=['accuracy'])