二元分类问题
在本练习中，您将继续使用信用卡数据。目标变量 default 表示在下一个周期内持卡人是否会违约。由于只有两种情况——违约或不违约——这是一个二元分类问题。尽管数据集中包含许多特征，您将只关注其中的三个：最近 3 期信用卡账单的金额。最后，您将从尚未训练的网络 outputs 中计算预测结果，并将其与目标变量 default 进行比较。
特征张量已加载，可通过 bill_amounts 获取。此外，constant()、float32 和 keras.layers.Dense() 操作均可用。
本练习是课程的一部分
Python 中的 TensorFlow 入门
练习说明
- 使用
bill_amounts定义inputs，其为 32 位浮点常量张量。 - 将
dense1设为具有 3 个输出节点且激活函数为relu的全连接层。 - 将
dense2设为具有 2 个输出节点且激活函数为relu的全连接层。 - 将输出层设为具有 1 个输出节点且激活函数为
sigmoid的全连接层。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Construct input layer from features
inputs = ____
# Define first dense layer
dense1 = keras.layers.Dense(____, activation='____')(inputs)
# Define second dense layer
dense2 = ____
# Define output layer
outputs = ____
# Print error for first five examples
error = default[:5] - outputs.numpy()[:5]
print(error)