如何使用 Tensorflow 确定泰坦尼克号数据集中每位乘客所属舱位的数据?
tensorflowserver side programmingprogramming更新于 2025/5/20 4:07:17
借助‘value_counts’方法，Tensorflow 可以与 Estimators 一起使用，确定泰坦尼克号数据集中每位乘客所属舱位的数据。这些数据以水平条形图的形式显示。
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。该模型用作其他算法的基线。我们使用泰坦尼克号数据集，目的是根据性别、年龄、等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。
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://www.tensorflow.org/tutorials/estimator/boosted_trees
输出
解释
获得了关于每个乘客属于哪个舱位的更多信息。
此信息绘制在图表上，以便了解更多信息关于数据。
