Tập dữ liệu Titanic có thể được kiểm tra bằng TensorFlow và Estimators, bằng cách lặp qua các feature và chuyển đổi feature thành danh sách, sau đó hiển thị trên console.
Đọc thêm: TensorFlow là gì và Keras hoạt động như thế nào với TensorFlow để tạo mạng nơ-ron?
Chúng ta sẽ sử dụng Keras Sequential API, giúp xây dựng mô hình tuần tự dùng cho stack các layer đơn giản, nơi mỗi layer có chính xác một input tensor và một output tensor.
Một mạng nơ-ron chứa ít nhất một layer được gọi là layer tích chập. Chúng ta có thể sử dụng Mạng nơ-ron tích chập (CNN) để xây dựng mô hình học.
Chúng ta đang sử dụng Google Colaboratory để chạy mã dưới đây. Google Colab giúp chạy mã Python trên trình duyệt và yêu cầu cấu hình zero và truy cập miễn phí GPU. Colaboratory được xây dựng dựa trên Jupyter Notebook.
Một Estimator là biểu diễn cấp cao của TensorFlow cho một mô hình hoàn chỉnh. Nó được thiết kế để dễ dàng mở rộng và huấn luyện bất đồng bộ.
Chúng ta sẽ huấn luyện một mô hình logistic regression sử dụng tf.estimator API. Mô hình được dùng làm baseline cho các thuật toán khác. Chúng ta sử dụng tập dữ liệu Titanic với mục tiêu dự đoán sự sống sót của hành khách, dựa trên các đặc điểm như giới tính, tuổi, hạng vé, v.v.
Estimators sử dụng feature columns để mô tả cách mô hình sẽ diễn giải các feature đầu vào thô. Một Estimator mong đợi một vector đầu vào số, và feature columns sẽ giúp mô tả cách mô hình nên chuyển đổi mọi feature trong tập dữ liệu. Việc lựa chọn và sử dụng đúng tập feature columns là thiết yếu để học một mô hình hiệu quả.
Ví dụ
print("Tập dữ liệu đang được kiểm tra")
ds = make_input_fn(dftrain, y_train, batch_size=10)()
for feature_batch, label_batch in ds.take(1):
print('Some feature keys are:', list(feature_batch.keys()))
print()
print('A batch of class:', feature_batch['class'].numpy())
print()
print('A batch of Labels:', label_batch.numpy())
Nguồn mã: https://www.tensorflow.org/tutorials/estimator/linear
Đầu ra
Tập dữ liệu đang được kiểm tra Some feature keys are: ['sex', 'age', 'n_siblings_spouses', 'parch', 'fare', 'class', 'deck', 'embark_town', 'alone'] A batch of class: [b'First' b'First' b'First' b'Third' b'Third' b'Third' b'First' b'Third' b'Second' b'Third'] A batch of Labels: [0 1 1 0 0 0 1 0 0 0]
Giải thích
- Tập dữ liệu được kiểm tra.
- Các feature keys, nhãn, và classes được hiển thị trên console.
- Điều này được thực hiện bằng cách lặp qua một batch của tập dữ liệu.