ComeçarComece gratuitamente

Preparando-se para treinar com os Estimadores

Para este exercício, voltaremos ao conjunto de dados de transações habitacionais do King County do capítulo 2. Novamente, desenvolveremos e treinaremos um modelo de machine learning para prever os preços dos imóveis; no entanto, desta vez, faremos isso usando o site estimator API.

Em vez de concluir tudo em uma única etapa, dividiremos esse procedimento em partes. Começaremos definindo as colunas de recursos e carregando os dados. No próximo exercício, definiremos e treinaremos um estimator pré-fabricado. Observe que feature_column foi importado para você de tensorflow. Além disso, o site numpy foi importado como np e o conjunto de dados habitacionais do Condado de Kings está disponível como pandas DataFrame: housing.

Este exercício faz parte do curso

Introdução ao TensorFlow em Python

Ver Curso

Instruções de exercício

  • Complete a coluna de recursos para bedrooms e adicione outra coluna de recursos numéricos para bathrooms. Use bedrooms e bathrooms como chaves.
  • Crie uma lista das colunas de recursos, feature_list, na ordem em que foram definidas.
  • Defina labels como sendo igual à coluna price em housing.
  • Complete a entrada bedrooms do dicionário features e adicione outra entrada para bathrooms.

Exercício interativo prático

Experimente este exercício preenchendo este código de exemplo.

# 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
Editar e executar código