แนวคิด
ตรวจสอบ dataset ด้วย Estimators โดย iterate features แปลงเป็น list แสดงผล
ใช้ Keras Sequential API, CNN, Google Colab เหมือนเดิม
Estimator เป็น high-level representation ของโมเดลสมบูรณ์ใน TensorFlow ออกแบบให้ scale ง่าย รองรับ asynchronous training
จะเทรน Logistic Regression ด้วย tf.estimator API เป็น baseline สำหรับอัลกอริทึมอื่น ใช้ Titanic dataset ทำนายการรอดชีวิตจากเพศ อายุ ชั้นเรียน ฯลฯ
Estimators ใช้ feature columns อธิบายว่าจะตีความ raw input features อย่างไร คาดหวัง numeric vector feature columns ช่วยแปลงแต่ละ feature
ตัวอย่างโค้ด
print("The dataset is being inspected")
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())
Credit: TensorFlow Tutorials
ผลลัพธ์
The dataset is being inspected 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]
คำอธิบาย
- ตรวจสอบ dataset
- แสดง feature keys, labels, classes บนคอนโซล
- ทำโดย iterate ผ่าน batch ของ dataset
