資料結構
網路
關係資料庫管理系統
作業系統
Java
MS Excel
iOS
HTML
CSS
Android
Python
C 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
時尚研究
法律研究如何使用 Estimator 將 TensorFlow 用於特徵列轉換？
Tensorflow 可以與 Estimator 一起使用來轉換特徵列，方法是首先將資料集的第一行轉換為字典，然後使用獨熱編碼來轉換此特徵列，即“性別”列。
閱讀更多： 什麼是 TensorFlow 以及 Keras 如何與 TensorFlow 協作建立神經網路？
我們將使用 Keras Sequential API，它有助於構建一個用於處理簡單層堆疊的順序模型，其中每一層都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。
我們正在使用 Google Colaboratory 來執行以下程式碼。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 是基於 Jupyter Notebook 構建的。
Estimator 是 TensorFlow 對完整模型的高階表示。它旨在簡化擴充套件和非同步訓練。Estimator 使用特徵列來描述模型如何解釋原始輸入特徵。Estimator 期望一個數值輸入向量，而特徵列將有助於描述模型應該如何轉換資料集中每個特徵。
選擇和使用正確的特徵列集對於學習有效的模型至關重要。
示例
print("An example transformation produced by a feature column")
example = dict(dftrain.head(1))
class_fc = tf.feature_column.indicator_column(tf.feature_column.categorical_column_with_vocabulary_list('class', ('First', 'Second', 'Third')))
print('Feature value is: "{}"'.format(example['class'].iloc[0]))
print('One-hot encoded is: ', tf.keras.layers.DenseFeatures([class_fc])(example).numpy())程式碼來源 -https://www.tensorflow.org/tutorials/estimator/boosted_trees
輸出
An example transformation produced by a feature column Feature value is: "Third" One-hot encoded is: [[0. 0. 1.]]
解釋
可以檢視特徵列產生的轉換。
可以在控制檯上檢視 indicator_column 對單個示例的輸出。
更新於： 2021年2月25日
110 次檢視
廣告