資料結構
網路
關係資料庫管理系統(RDBMS)
作業系統
Java
MS Excel
iOS
HTML
CSS
Android
Python
C語言程式設計
C++
C#
MongoDB
MySQL
Javascript
PHP
物理學
化學
生物學
數學
英語
經濟學
心理學
社會學
服裝設計
法學如何在Python中使用TensorFlow結合提升樹？
TensorFlow可以與提升樹結合使用，以提高資料集的預測效能。資料按照通常的方式載入和預處理，但在進行預測時，會使用多個模型進行預測，並將所有這些模型的輸出組合起來以得到最終結果。
閱讀更多： 什麼是TensorFlow以及Keras如何與TensorFlow一起建立神經網路？
我們將使用Keras Sequential API，這有助於構建一個順序模型，用於處理簡單的層堆疊，其中每一層只有一個輸入張量和一個輸出張量。
包含至少一層卷積層的神經網路稱為卷積神經網路。我們可以使用卷積神經網路來構建學習模型。
我們使用Google Colaboratory執行以下程式碼。Google Colab或Colaboratory幫助在瀏覽器上執行Python程式碼，無需任何配置，並可免費訪問GPU（圖形處理單元）。Colaboratory構建在Jupyter Notebook之上。
我們將瞭解如何使用決策樹和tf.estimator API訓練梯度提升模型。提升樹模型被認為是迴歸和分類中最流行和有效的機器學習方法。這是一種整合技術，它結合了來自許多（10個、100個或1000個）樹模型的預測。它們有助於在最少的超引數調整下實現令人印象深刻的效能。
示例
import numpy as np
import pandas as pd
from IPython.display import clear_output
from matplotlib import pyplot as plt
print("Load the dataset")
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("Delete the column 'survived'")
y_train = dftrain.pop('survived')
y_eval = dfeval.pop('survived')
import tensorflow as tf
tf.random.set_seed(123)程式碼來源 −https://www.tensorflow.org/tutorials/estimator/boosted_trees
輸出
Load the dataset Delete the column 'survived'
解釋
- 匯入所需的包。
- 載入資料集。
- 將其讀取為csv檔案。
- 刪除'survived'列。
更新於： 2021年2月25日
132次瀏覽
廣告