数据结构
网络
关系型数据库管理系统
操作系统
Java
MS Excel
iOS
HTML
CSS
Android
Python
C 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
时尚研究
法律研究如何使用 Estimators 和 Tensorflow 来可视化男性与女性数量的图表？
Tensorflow 可以与 Estimators 一起使用，借助 'matplotlib' 库和 'show' 方法来可视化男性与女性数量的图表。
阅读更多： 什么是 TensorFlow 以及 Keras 如何与 TensorFlow 协作创建神经网络？
我们将使用 Keras Sequential API，它有助于构建一个顺序模型，该模型用于处理简单的层堆叠，其中每一层都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来构建学习模型。
我们正在使用 Google Colaboratory 来运行以下代码。Google Colab 或 Colaboratory 帮助在浏览器上运行 Python 代码，无需任何配置，并且可以免费访问 GPU（图形处理单元）。Colaboratory 是基于 Jupyter Notebook 构建的。
Estimator 是 TensorFlow 中完整模型的高级表示。它旨在简化扩展和异步训练。该模型用作其他算法的基线。我们使用泰坦尼克号数据集，目标是在给定性别、年龄、等级等特征的情况下预测乘客的生存情况。
选择和使用正确的特征列集对于学习有效的模型至关重要。特征列可以是原始特征字典中的原始输入之一，也可以是使用基于一个或多个基础列定义的转换创建的新列。
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()代码来源 -https://tensorflowcn.cn/tutorials/estimator/boosted_trees
输出
解释
- 确定男性和女性的数量。
- 将其绘制在图表上。
- 这将进一步用作预测特征。
更新于： 2021年2月25日
65 次浏览
广告