使用 Estimators 做好训练准备
在本练习中，我们将回到第 2 章的 King County 房屋交易数据集。我们将再次开发并训练一个机器学习模型来预测房价；不过这一次，我们将使用 estimator API 来完成。
我们不会一步到位，而是把流程拆分为多个部分。我们先定义特征列并加载数据。在下一个练习中，我们将定义并训练一个预构建的 estimator。注意，feature_column 已经从 tensorflow 为您导入。同时，numpy 已以 np 导入，且 Kings County 房屋数据集以 pandas 的 DataFrame 形式提供：housing。
本练习是课程的一部分
Python 中的 TensorFlow 入门
练习说明
- 补全
bedrooms的特征列，并为bathrooms添加另一个数值型特征列。使用bedrooms和bathrooms作为键。 - 按定义顺序创建特征列列表
feature_list。 - 将
labels设为housing中的price列。 - 补全
features字典中bedrooms的条目，并添加bathrooms的条目。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# 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