如何使用TensorFlow确定泰坦尼克号数据集每位乘客所属的类别数据？

TensorFlow可以结合估计器（Estimators），借助“value_counts”方法，确定泰坦尼克号数据集每位乘客所属的类别数据。这些数据以水平条形图的形式可视化。

我们将使用Keras Sequential API，它有助于构建一个顺序模型，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被称为卷积神经网络。我们可以使用卷积神经网络来构建学习模型。

我们使用Google Colaboratory运行以下代码。Google Colab或Colaboratory有助于在浏览器上运行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。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、阶级等特征预测乘客的生存情况。估计器使用特征列来描述模型如何解释原始输入特征。估计器期望一个数值输入向量，而特征列将有助于描述模型应该如何转换数据集中每个特征。

示例

print("Data about class to which each passenger belong")
dftrain['class'].value_counts().plot(kind='barh')
plt.show()
print("Data about passengers who start their journey from a specific location")
dftrain['embark_town'].value_counts().plot(kind='barh')
plt.show()

代码来源 −https://tensorflowcn.cn/tutorials/estimator/boosted_trees