ÎncepețiÎncepe gratuit

Pregătirea antrenării cu Estimatori

În acest exercițiu, revenim la setul de date cu tranzacții imobiliare din comitatul King, folosit în capitolul 2. Vom dezvolta și antrena din nou un model de învățare automată pentru a prezice prețurile caselor; de această dată, însă, vom folosi API-ul estimator.

În loc să facem totul dintr-un singur pas, vom împărți procesul în mai multe etape. Vom începe prin definirea coloanelor de caracteristici și încărcarea datelor. În exercițiul următor, vom defini și antrena un estimator predefinit. Reține că feature_column a fost importat pentru tine din tensorflow. De asemenea, numpy a fost importat ca np, iar setul de date imobiliare din comitatul King este disponibil ca DataFrame pandas: housing.

Acest exercițiu face parte din cursul

Introducere în TensorFlow în Python

Vezi cursul

Instrucțiuni pentru exercițiu

  • Completează coloana de caracteristici pentru bedrooms și adaugă o altă coloană de caracteristici numerice pentru bathrooms. Folosește bedrooms și bathrooms ca și chei.
  • Creează o listă a coloanelor de caracteristici, feature_list, în ordinea în care au fost definite.
  • Setează labels să fie egal cu coloana price din housing.
  • Completează intrarea bedrooms din dicționarul features și adaugă o altă intrare pentru bathrooms.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# 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
Editează și rulează codul