如何将 Tensorflow 与 Estimators 结合使用来训练 titanic 数据集的模型?
tensorflowserver side programmingprogramming更新于 2025/5/20 5:52:17
可以使用 ‘LinearClassifier’ 创建模型并使用 ‘train’ 方法对其进行训练来训练 titanic 数据集。train 方法存在于 ‘estimator’ 中tensorflow 库的类。
阅读更多: 什么是 TensorFlow，以及 Keras 如何与 TensorFlow 配合使用来创建神经网络?
我们将使用 Keras Sequential API，它有助于构建用于处理普通层堆栈的顺序模型，其中每个层都有一个输入张量和一个输出张量。
包含至少一个层的神经网络称为卷积层。我们可以使用卷积神经网络构建学习模型。
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，给定性别、年龄、等级等特征。估算器使用特征列来描述模型如何解释原始输入特征。估算器需要一个数字输入向量，特征列将有助于描述模型应如何转换数据集中的每个特征。
print("The base features are added")
print("The model is trained")
linear_est = tf.estimator.LinearClassifier(feature_columns=feature_columns)
linear_est.train(train_input_fn)
result = linear_est.evaluate(eval_input_fn)
clear_output()
print(result)
代码来源 −https://www.tensorflow.org/tutorials/estimator/linear
输出
The base features are added
The model is trained
{'accuracy': 0.7613636, 'accuracy_baseline': 0.625, 'auc': 0.809244, 'auc_precision_recall': 0.75609726, 'average_loss': 0.5452906, 'label/mean': 0.375, 'loss': 0.5347039, 'precision': 0.75, 'prediction/mean': 0.27201703, 'recall': 0.54545456, 'global_step': 200}
解释
- 将基本特征全部添加到模型后，模式就训练好了。
- 这可以在 tf.estimator API 的帮助下使用单个命令完成。
相关文章
打印
下一节:如何将 Tensorflow 与 Estimators 结合使用，向 titanic 数据集添加一列? ❯❮ 上一节:如何使用 Tensorflow 与 Estimators 进行数据转换?
