如何使用 Estimators 和 Tensorflow 來視覺化男性與女性數量的圖表？

Tensorflow 可以與 Estimators 一起使用，藉助 'matplotlib' 庫和 'show' 方法來視覺化男性與女性數量的圖表。

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，並且可以免費訪問 GPU（圖形處理單元）。Colaboratory 是基於 Jupyter Notebook 構建的。

Estimator 是 TensorFlow 中完整模型的高階表示。它旨在簡化擴充套件和非同步訓練。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，目標是在給定性別、年齡、等級等特徵的情況下預測乘客的生存情況。

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。特徵列可以是原始特徵字典中的原始輸入之一，也可以是使用基於一個或多個基礎列定義的轉換建立的新列。

示例

print("Number of females versus males")
print("The predictive feature")
pd.concat([dftrain, y_train], axis=1).groupby('sex').survived.mean().plot(kind='barh').set_xlabel('% survive')
plt.show()

程式碼來源 -https://www.tensorflow.org/tutorials/estimator/boosted_trees