Estimators के साथ ट्रेनिंग की तैयारी
इस अभ्यास में, हम अध्याय 2 वाले King County housing transaction डेटासेट पर वापस आएँगे. हम फिर से एक मशीन लर्निंग मॉडल विकसित करेंगे और ट्रेन करेंगे ताकि घरों की कीमत का पूर्वानुमान लगाया जा सके; लेकिन इस बार, हम यह estimator API का उपयोग करके करेंगे.
सब कुछ एक ही स्टेप में पूरा करने के बजाय, हम प्रक्रिया को हिस्सों में बाँटेंगे. हम फीचर कॉलम परिभाषित करने और डेटा लोड करने से शुरू करेंगे. अगले अभ्यास में, हम एक premade estimator को परिभाषित और ट्रेन करेंगे. ध्यान दें कि आपके लिए tensorflow से feature_column इम्पोर्ट किया जा चुका है. इसके अलावा, numpy को np नाम से इम्पोर्ट किया गया है, और Kings County housing डेटासेट pandas DataFrame के रूप में उपलब्ध है: housing.
यह अभ्यास पाठ्यक्रम का हिस्सा है
Python में TensorFlow परिचय
अभ्यास निर्देश
bedroomsके लिए फीचर कॉलम पूरा करें औरbathroomsके लिए एक और numeric फीचर कॉलम जोड़ें. keys के रूप मेंbedroomsऔरbathroomsका उपयोग करें.- फीचर कॉलम की एक सूची
feature_listबनाएँ, उसी क्रम में जिसमें वे परिभाषित किए गए थे. labelsकोhousingमें मौजूदpriceकॉलम के बराबर सेट करें.featuresडिक्शनरी मेंbedroomsएंट्री पूरी करें औरbathroomsके लिए एक और एंट्री जोड़ें.
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Define feature columns for bedrooms and bathrooms
bedrooms = feature_column.numeric_column("____")
bathrooms = ____
# Define the list of feature columns
feature_list = [____, ____]
def input_fn():
# Define the labels
labels = np.array(____)
# Define the features
features = {'bedrooms':np.array(housing['____']),
'bathrooms':____}
return features, labels