Zacznij terazZacznij za darmo

Przygotowanie do trenowania z użyciem Estimators

W tym ćwiczeniu wrócimy do zbioru danych dotyczącego transakcji nieruchomości w hrabstwie King z rozdziału 2. Ponownie opracujemy i wytrenujemy model uczenia maszynowego do przewidywania cen domów – tym razem jednak z wykorzystaniem API estimator.

Zamiast wykonywać wszystko w jednym kroku, podzielimy ten proces na części. Zaczniemy od zdefiniowania kolumn cech i wczytania danych. W kolejnym ćwiczeniu zdefiniujemy i wytrenujemy gotowy estimator. Pamiętaj, że feature_column został już zaimportowany z tensorflow. Ponadto numpy jest dostępny jako np, a zbiór danych dotyczący hrabstwa King jest dostępny jako DataFrame z biblioteki pandas o nazwie housing.

To ćwiczenie jest częścią kursu

Wprowadzenie do TensorFlow w Pythonie

Zobacz kurs

Instrukcje do ćwiczenia

  • Uzupełnij kolumnę cech dla bedrooms i dodaj kolejną numeryczną kolumnę cech dla bathrooms. Użyj bedrooms i bathrooms jako kluczy.
  • Utwórz listę kolumn cech, feature_list, w kolejności, w jakiej zostały zdefiniowane.
  • Ustaw labels jako równe kolumnie price w zbiorze housing.
  • Uzupełnij wpis bedrooms w słowniku features i dodaj kolejny wpis dla bathrooms.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# 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
Edytuj i uruchom kod