Estimators로 학습 준비하기
이번 연습에서는 2장에 나왔던 King County 주택 거래 데이터셋으로 돌아가 보겠습니다. 다시 한번 집값을 예측하는 Machine Learning 모델을 개발하고 학습하되, 이번에는 estimator API를 사용해 보려고 해요.
모든 과정을 한 번에 끝내기보다 여러 단계로 나눠 진행하겠습니다. 먼저 특성 열(feature columns)을 정의하고 데이터를 로드할 거예요. 다음 연습에서는 미리 만들어진 estimator를 정의하고 학습하겠습니다. 참고로 feature_column은 tensorflow에서 이미 가져와 두었습니다. 또한 numpy는 np로 임포트되어 있고, Kings County 주택 데이터셋은 pandas의 DataFrame인 housing으로 제공됩니다.
이 연습은 강의의 일부입니다
Python으로 시작하는 TensorFlow
연습 안내
bedrooms에 대한 특성 열을 완성하고,bathrooms에 대한 또 다른 숫자 특성 열을 추가하세요. 키로는bedrooms와bathrooms를 사용하세요.- 정의한 순서대로 특성 열을 담은 리스트
feature_list를 만드세요. labels를housing의price열과 같도록 설정하세요.features딕셔너리에서bedrooms항목을 완성하고,bathrooms항목을 추가하세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# 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