เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

เตรียมพร้อมสำหรับการเทรนด้วย Estimators

ในแบบฝึกหัดนี้ เราจะกลับมาใช้ชุดข้อมูลธุรกรรมที่อยู่อาศัยของ King County จากบทที่ 2 อีกครั้ง โดยจะพัฒนาและเทรนโมเดล machine learning เพื่อทำนายราคาบ้าน แต่คราวนี้จะใช้ estimator API แทน

แทนที่จะทำทุกขั้นตอนในครั้งเดียว เราจะแบ่งกระบวนการออกเป็นส่วนย่อย ๆ โดยเริ่มจากการกำหนด feature column และโหลดข้อมูลก่อน จากนั้นในแบบฝึกหัดถัดไปจะกำหนดและเทรน estimator แบบสำเร็จรูป ทั้งนี้ feature_column ได้ถูก import มาจาก tensorflow ให้แล้ว นอกจากนี้ยังได้ import numpy ในชื่อ np และชุดข้อมูลที่อยู่อาศัย King County พร้อมใช้งานในรูปแบบ pandas DataFrame ชื่อ housing

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

TensorFlow เบื้องต้นใน Python

ดูคอร์ส

คำแนะนำการฝึกหัด

  • กำหนด feature column สำหรับ bedrooms ให้ครบถ้วน และเพิ่ม numeric feature column อีกหนึ่งตัวสำหรับ bathrooms โดยใช้ bedrooms และ bathrooms เป็น key
  • สร้างลิสต์ของ feature column ชื่อ feature_list ตามลำดับที่กำหนดไว้
  • กำหนดให้ labels มีค่าเท่ากับคอลัมน์ price ใน housing
  • กรอกข้อมูล bedrooms ใน dictionary features ให้ครบ และเพิ่มรายการสำหรับ bathrooms ด้วย

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# 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
แก้ไขและรันโค้ด