多分类问题
在本练习中，我们从二分类扩展到多分类问题。多分类问题的目标变量可以取 3 个或更多取值。在信用卡数据集中，教育程度变量有 6 个不同取值，对应不同的教育水平。我们将以此作为本练习的目标变量，同时把特征从 3 列扩展到 10 列。
与上一个练习一样，您将定义输入层、全连接层，以及输出层。您还会打印未经训练的模型预测，即分配给各类别的概率。特征张量已加载，变量名为 borrower_features。此外，您可以使用 constant()、float32 和 keras.layers.Dense() 操作。
本练习是课程的一部分
Python 中的 TensorFlow 入门
练习说明
- 使用
borrower_features定义一个 32 位常量张量作为输入层。 - 将第一层全连接层设置为 10 个输出节点，并使用
sigmoid激活函数。 - 将第二层全连接层设置为 8 个输出节点，并使用修正线性单元激活函数。
- 将输出层设置为 6 个输出节点，并使用合适的激活函数。
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 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])