如何使用 Tensorflow 与 Estimators 来使用 Python 检查泰坦尼克号数据集?
tensorflowpythonserver side programmingprogramming
可以使用 Tensorflow 和 Estimators 检查泰坦尼克号数据集,方法是遍历特征并将特征转换为列表,然后将其显示在控制台上。
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,它有助于构建一个顺序模型,该模型用于处理简单的层堆栈,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。
Estimator 是 TensorFlow 对完整模型的高级表示。它专为轻松扩展和异步训练而设计。
我们将使用 tf.estimator API 训练逻辑回归模型。该模型用作其他算法的基线。我们使用泰坦尼克号数据集,目标是预测乘客的生存情况,给定性别、年龄、等级等特征。
估算器使用特征列来描述模型如何解释原始输入特征。估算器需要一个数字输入向量,特征列将有助于描述模型应如何转换数据集中的每个特征。选择和使用正确的特征列集对于学习有效的模型至关重要。
示例
print("正在检查数据集") ds = make_input_fn(dftrain, y_train, batch_size=10)() for feature_batch, label_batch in ds.take(1): print('一些特征键是:', list(feature_batch.keys())) print() print('一批类:', feature_batch['class'].numpy()) print() print('一批标签:', label_batch.numpy())
代码来源 −https://www.tensorflow.org/tutorials/estimator/linear
输出
正在检查数据集 一些特征键是:['sex', 'age', 'n_siblings_spouses', 'parch', 'fare', 'class', 'deck', 'embark_town', 'alone'] 一批类:[b'First' b'First' b'First' b'Third' b'Third' b'Third' b'First' b'Third' b'Second' b'Third'] 一批标签:[0 1 1 0 0 0 1 0 0 0]
解释
- 检查数据集。
- 功能键、标签和类别显示在控制台上。
- 通过迭代一批数据集来完成。