始める無料で始める

Estimators で学習の準備をする

この演習では、第2章で扱った King County の住宅売買データセットに戻ります。再び住宅価格を予測する Machine Learning モデルを作成・学習しますが、今回は estimator API を使います。

すべてを一度に行うのではなく、手順をいくつかのパートに分けて進めます。まずは特徴量カラムの定義とデータの読み込みから始めます。次の演習では、用意された estimator を定義して学習させます。feature_column は tensorflow からインポート済みです。さらに、numpy は np としてインポートされており、Kings County の住宅データセットは pandas の DataFrame、housing として利用できます。

この演習はコースの一部です

Introduction to TensorFlow in Python

コースを見る

演習の手順

  • bedrooms の特徴量カラムを完成させ、bathrooms 用の数値特徴量カラムをもう1つ追加してください。キーには bedrooms と bathrooms を使います。
  • 特徴量カラムのリスト feature_list を、定義した順序で作成してください。
  • labels を housing の price 列に設定してください。
  • features 辞書の bedrooms の項目を完成させ、bathrooms の項目も追加してください。

実践的なインタラクティブ演習

このサンプルコードを完成させて、この演習に挑戦してみましょう。

# 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
コードを編集して実行