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 构建线性模型来加载泰坦尼克号数据集？
可以使用 Estimators 构建线性模型来加载泰坦尼克号数据集，方法是使用 'Pandas' 包中提供的 'read_csv' 方法。此方法获取存储泰坦尼克号数据集的 Google API。读取 API 并将数据存储为 CSV 文件格式。
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。
TensorFlow Text 包含与文本相关的类和操作的集合，可与 TensorFlow 2.0 一起使用。TensorFlow Text 可用于 预处理序列建模。
我们使用 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，并可免费访问 GPU（图形处理单元）。Colaboratory 是基于 Jupyter Notebook 构建的。
Estimator 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，目标是预测乘客的生存情况，给定诸如性别、年龄、舱位等特征。
pip install -q sklearn
示例
import os
import sys
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from IPython.display import clear_output
from six.moves import urllib
import tensorflow.compat.v2.feature_column as fc
import tensorflow as tf
print("Load the dataset")
dftrain = pd.read_csv('https://storage.googleapis.com/tf-datasets/titanic/train.csv')
dfeval = pd.read_csv('https://storage.googleapis.com/tf-datasets/titanic/eval.csv')
print("Removing feature 'survived'")
y_train = dftrain.pop('survived')
y_eval = dfeval.pop('survived')代码来源 −https://tensorflowcn.cn/tutorials/estimator/linear
输出
Load the dataset Removing feature 'survived'
解释
- 下载所需的软件包。
- 从 API 下载数据。
- 删除“survived”列。
更新于： 2021年2月22日
83 次浏览
广告