数据结构
网络
关系数据库管理系统 (RDBMS)
操作系统
Java
MS Excel
iOS
HTML
CSS
Android
Python
C语言编程
C++
C#
MongoDB
MySQL
Javascript
PHP
物理学
化学
生物学
数学
英语
经济学
心理学
社会学
服装学
法学如何使用TensorFlow训练和评估泰坦尼克号数据集？
可以使用TensorFlow的`train`方法和`evaluate`方法分别训练和评估泰坦尼克号数据集。
阅读更多： 什么是TensorFlow以及Keras如何与TensorFlow一起创建神经网络？
我们将使用Keras Sequential API，它有助于构建顺序模型，用于处理简单的层堆栈，其中每一层只有一个输入张量和一个输出张量。
包含至少一层卷积层的神经网络称为卷积神经网络。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帮助在浏览器上运行Python代码，无需任何配置，并可免费访问GPU（图形处理单元）。Colaboratory构建在Jupyter Notebook之上。
估计器是TensorFlow对完整模型的高级表示。它旨在易于扩展和异步训练。我们将使用`tf.estimator` API训练一个逻辑回归模型。该模型用作其他算法的基线。我们使用泰坦尼克号数据集，目标是根据性别、年龄、等级等特征预测乘客的生存情况。
示例
linear_est = tf.estimator.LinearClassifier(feature_columns)
print("The model is being trained")
linear_est.train(train_input_fn, max_steps=100)
print("The model is being evaluated")
result = linear_est.evaluate(eval_input_fn)
clear_output()
print(pd.Series(result))代码来源 −https://tensorflowcn.cn/tutorials/estimator/boosted_trees
输出
accuracy 0.765152 accuracy_baseline 0.625000 auc 0.832844 auc_precision_recall 0.789631 average_loss 0.478908 label/mean 0.375000 loss 0.478908 precision 0.703297 prediction/mean 0.350790 recall 0.646465 global_step 100.000000 dtype: float64
解释
- 模型已初始化。
- 还提到了特征和超参数。
- 使用`train_input_fn`将训练数据馈送到模型。
- 使用`train`函数训练模型。
- 使用评估集确定模型性能。
- 使用`dfeval` DataFrame确定性能。
- 通过检查`y_eval`数组中的标签来验证预测。
- 在训练提升树模型之前，会训练一个线性分类器。
- 这样做是为了从简单的模型开始，建立一个基准。
更新于：2021年2月25日
浏览量：184
广告