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
服裝設計
法律研究如何使用 Estimators 在 Tensorflow 中訓練泰坦尼克號資料集的模型？
泰坦尼克號資料集可以透過使用“LinearClassifier”建立模型並使用“train”方法進行訓練來進行訓練。“train”方法存在於tensorflow庫的“estimator”類中。
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，它有助於構建一個順序模型，該模型用於處理一個簡單的層堆疊，其中每一層都只有一個輸入張量和一個輸出張量。
包含至少一層的神經網路被稱為卷積層。我們可以使用卷積神經網路來構建學習模型。
我們將使用 tf.estimator API 訓練一個邏輯迴歸模型。該模型用作其他演算法的基線。我們使用泰坦尼克號資料集，目標是根據性別、年齡、等級等特徵預測乘客的生存情況。估計器使用特徵列來描述模型如何解釋原始輸入特徵。估計器期望一個數值輸入向量，特徵列將有助於描述模型如何轉換資料集中每個特徵。
print("The base features are added")
print("The model is trained")
linear_est = tf.estimator.LinearClassifier(feature_columns=feature_columns)
linear_est.train(train_input_fn)
result = linear_est.evaluate(eval_input_fn)
clear_output()
print(result)程式碼來源 -https://www.tensorflow.org/tutorials/estimator/linear
輸出
The base features are added
The model is trained
{'accuracy': 0.7613636, 'accuracy_baseline': 0.625, 'auc': 0.809244, 'auc_precision_recall': 0.75609726, 'average_loss': 0.5452906, 'label/mean': 0.375, 'loss': 0.5347039, 'precision': 0.75, 'prediction/mean': 0.27201703, 'recall': 0.54545456, 'global_step': 200}解釋
- 將所有基本特徵都新增到模型後，就開始訓練模型。
- 這是使用 tf.estimator API 的單個命令完成的。
更新於： 2021年2月25日
119 次瀏覽
廣告