Mulai sekarangMulai gratis

Mempersiapkan pelatihan dengan Estimators

Untuk latihan ini, kita akan kembali ke himpunan data transaksi perumahan King County dari bab 2. Kita akan kembali mengembangkan dan melatih model machine learning untuk memprediksi harga rumah; namun, kali ini kita akan melakukannya menggunakan API estimator.

Alih-alih menyelesaikan semuanya dalam satu langkah, kita akan memecah prosedur ini menjadi beberapa bagian. Kita akan mulai dengan mendefinisikan kolom fitur dan memuat data. Pada latihan berikutnya, kita akan mendefinisikan dan melatih estimator siap pakai. Perhatikan bahwa feature_column telah diimpor untuk Anda dari tensorflow. Selain itu, numpy telah diimpor sebagai np, dan himpunan data perumahan Kings County tersedia sebagai DataFrame pandas: housing.

Latihan ini merupakan bagian dari kursus

Pendahuluan TensorFlow di Python

Lihat Kursus

Instruksi latihan

  • Lengkapi kolom fitur untuk bedrooms dan tambahkan satu kolom fitur numerik lagi untuk bathrooms. Gunakan bedrooms dan bathrooms sebagai kunci.
  • Buat daftar kolom fitur, feature_list, sesuai urutan saat didefinisikan.
  • Setel labels agar sama dengan kolom price pada housing.
  • Lengkapi entri bedrooms pada kamus features dan tambahkan entri lain untuk bathrooms.

Latihan interaktif langsung praktik

Cobalah latihan ini dengan melengkapi kode contoh ini.

# 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
Edit dan Jalankan Kode