如何在 Python 中将 Tensorflow 与增强树结合使用?
tensorflowpythonserver side programmingprogramming
Tensorflow 可以与增强树结合使用，以提高数据集的预测性能。数据以通常的方式加载和预处理，但在进行预测时，会使用多个模型进行预测，并将所有这些模型的输出组合起来以得出最终结果。
阅读更多: 什么是 TensorFlow，以及 Keras 如何与 TensorFlow 配合使用来创建神经网络?
我们将使用 Keras Sequential API，它有助于构建用于处理普通层堆栈的顺序模型，其中每个层只有一个输入张量和一个输出张量。
包含至少一个层的神经网络称为卷积层。我们可以使用卷积神经网络构建学习模型。
我们使用 Google Colaboratory 运行以下代码。Google Colab 或 Colaboratory 有助于在浏览器上运行 Python 代码，并且不需要任何配置，并且可以免费访问 GPU(图形处理单元)。Colaboratory 是在 Jupyter Notebook 之上构建的。
我们将了解如何使用决策树和 tf.estimator API 训练梯度提升模型。提升树模型被认为是回归和分类最流行和最有效的机器学习方法。它是一种集成技术，结合了许多(10 个、100 个或 1000 个)树模型的预测。它们有助于实现令人印象深刻的性能以及最少的超参数调整。
示例
import numpy as np
import pandas as pd
from IPython.display import clear_output
from matplotlib import pyplot as plt
print("加载数据集")
dftrain = pd.read_csv('https://storage.googleapis.com/tf-datasets/titanic/train.csv')
dfeval = pd.read_csv('https://storage.googleapis.com/tf-datasets/titanic/eval.csv')
print("删除列"survived"")
y_train = dftrain.pop('survived')
y_eval = dfeval.pop('survived')
import tensorflow as tf
tf.random.set_seed(123)
代码来源 −https://www.tensorflow.org/tutorials/estimator/boosted_trees
输出
加载数据集 删除列"survived"
解释
- 所需包已导入。
- 数据集已加载。
- 它被读取为 csv 文件。
- 列"survived"已删除。
