Tensorflow 如何用于性别列，例如有助于预测的特征列?
tensorflowserver side programmingprogramming更新于 2025/5/20 4:22:17
‘性别’列也将用于预测，因此了解更多相关信息非常重要。这可以通过可视化‘年龄’来实现列作为水平条形图。
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，无需配置，可以免费访问 GPU(图形处理单元)。Colaboratory 建立在 Jupyter Notebook 之上。
Estimator 是 TensorFlow 对完整模型的高级表示。它旨在轻松扩展和异步训练。 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，目的是预测乘客的生存情况，给定性别、年龄、舱位等特征。
示例
print("More data about gender")
dftrain.sex.value_counts().plot(kind='barh')
plt.show()
代码来源 −https://www.tensorflow.org/tutorials/estimator/boosted_trees
输出
解释
- 性别列将在进一步的预测过程中发挥作用。
- 因此它在控制台上可视化。
