Preparando o treinamento com Estimators
Neste exercício, vamos voltar ao conjunto de dados de transações imobiliárias de King County do capítulo 2. Vamos novamente desenvolver e treinar um modelo de Machine Learning para prever preços de casas; porém, desta vez, faremos isso usando a API de estimator.
Em vez de concluir tudo em uma única etapa, vamos dividir o procedimento em partes. Vamos começar definindo as colunas de atributos e carregando os dados. No próximo exercício, vamos definir e treinar um estimator pronto. Observe que feature_column já foi importado de tensorflow para você. Além disso, numpy foi importado como np, e o conjunto de dados de habitação de King County está disponível como um DataFrame do pandas: housing.
Este exercício faz parte do curso
Introdução ao TensorFlow em Python
Instruções do exercício
- Complete a coluna de atributo para
bedroomse adicione outra coluna de atributo numérica parabathrooms. Usebedroomsebathroomscomo as chaves. - Crie uma lista das colunas de atributos,
feature_list, na ordem em que foram definidas. - Defina
labelscomo sendo igual à colunapriceemhousing. - Complete a entrada de
bedroomsno dicionáriofeaturese adicione outra entrada parabathrooms.
Exercício interativo prático
Experimente este exercício completando 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