แนวคิด
Boosted Trees ปรับปรุงประสิทธิภาพการทำนายโดยใช้หลายโมเดลร่วมกัน ผลลัพธ์รวมจากทุกโมเดล
ใช้ Keras Sequential API สร้างโมเดล sequential ที่เลเยอร์แต่ละอันมี 1 input tensor และ 1 output tensor
CNN มีเลเยอร์ convolutional อย่างน้อย 1 เลเยอร์ ใช้สร้างโมเดลเรียนรู้
รันบน Google Colab มี GPU ฟรี
จะดูวิธีเทรน Gradient Boosting Model ด้วย Decision Trees และ tf.estimator API Boosted Trees เป็น ensemble technique รวมการทำนายจากหลายโมเดลต้นไม้ (10s-1000s) ให้ประสิทธิภาพสูง ต้องการ hyperparameter tuning น้อย
ตัวอย่างโค้ด (ส่วนโหลดข้อมูล)
import numpy as np
import pandas as pd
from IPython.display import clear_output
from matplotlib import pyplot as plt
print("Load the dataset")
dftrain = pd.read_csv('https://storage.googleapis.com/tf-datasets/titanic/train.csv')
dfeval = pd.read_csv('https://storage.googleapis.com/tf-datasets/titanic/eval.csv')
print("Delete the column 'survived'")
y_train = dftrain.pop('survived')
y_eval = dfeval.pop('survived')
import tensorflow as tf
tf.random.set_seed(123)
Credit: TensorFlow Tutorials
ผลลัพธ์
Load the dataset Delete the column 'survived'
คำอธิบาย
- import packages ที่จำเป็น
- โหลด dataset Titanic
- อ่านเป็น CSV
- ลบคอลัมน์ 'survived' ออก (เป็น label)
