TensorFlow简单实例:titanic实战
Posted jiangyaju
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了TensorFlow简单实例:titanic实战相关的知识,希望对你有一定的参考价值。
1. 数据读取与预处理
将数据集中缺失的字段全部填充为0
选取6个特征字段‘Sex‘, ‘Age‘, ‘Pclass‘, ‘SibSp‘, ‘Parch‘, ‘Fare‘用于分类,并对各字段进行正规化处理
用Survived和Deceased表示乘客存活或死亡的分类
# 数据读入及预处理 import os import numpy as np import pandas as pd import tensorflow as tf data = pd.read_csv("train.csv") print(data.info()) data[‘Sex‘] = data[‘Sex‘].apply(lambda s: 1 if s == ‘male‘else 0) # 将所有缺失的字段填充为0 data = data.fillna(0) # 选取部分特征字段用于分类 dataset_x = data[[‘Sex‘, ‘Age‘, ‘Pclass‘, ‘SibSp‘, ‘Parch‘, ‘Fare‘]] dataset_x = dataset_x.as_matrix() # 两种分类分别是幸存和死亡,‘Survived‘是其中一种分类的标签,另外一种分类标签为‘Deceased‘,取值为‘Survived‘字段取非 data[‘Deceased‘] = data[‘Survived‘].apply(lambda s: int(not s)) dataset_Y = data[[‘Deceased‘, ‘Survived‘]] dataset_Y = dataset_Y.as_matrix() print(dataset_x, dataset_Y)
2. 构建计算图
# 构建计算图 # 使用placeholder声明输入占位符 x = tf.placeholder(tf.float32, shape=[None, 6], name=‘input‘) y = tf.placeholder(tf.float32, shape=[None, 2], name=‘label‘) # 声明参数变量 W = tf.Variable(tf.random_normal([6, 2]), name=‘weights‘) b = tf.Variable(tf.zeros([2]), name=‘bias‘) # 构建前向传播计算图 # 逻辑回归公式 y_pred = tf.nn.softmax(tf.matmul(x, W) + b) # 声明代价函数 # 使用交叉熵作为代价函数 cross_entropy = -tf.reduce_sum(y * tf.log(y_pred + 1e-10), reduction_indices=1) # 批量样本的代价值为所有样本交叉熵的平均值 cost = tf.reduce_mean(cross_entropy) # 加入优化算法 # 使用梯度下降算法优化器来最小化代价,系统自动构建反向传播部分的计算图 train_op = tf.train.GradientDescentOptimizer(0.001).minimize(cost) # 计算准确率 correct_pred = tf.equal(tf.argmax(y, 1), tf.argmax(y_pred, 1)) # tf.equal(A, B)是对比这两个矩阵或者向量的相等的元素,如果是相等的那就返回True,反正返回False,返回的值的矩阵维度和A是一样的 acc_op = tf.reduce_mean(tf.cast(correct_pred, tf.float32)) # 计算图的声明过程完成
3. 构建训练迭代过程
# 构建训练迭代过程 with tf.Session() as sess: # 初始化所有变量,必须最先执行 tf.global_variables_initializer().run() # 以下为训练迭代,迭代10轮 for epoch in range(10): total_loss = 0. for i in range(len(x_train)): feed = {x: [x_train[i]], y: [y_train[i]]} # 通过session.run接口出发执行 _, loss = sess.run([train_op, cost], feed_dict=feed) total_loss += loss print(‘Epoch: %04d, total loss=%.9f‘ % (epoch+1, total_loss)) print(‘Training complete!‘) # 评估校验数据集上的准确率 # Accuracy calculated by Tensorflow accuracy = sess.run(acc_op, feed_dict={x: x_test, y: y_test}) print("Accuracy on validation set:%.9f" % accuracy) # Accuracy calculated by Numpy pred = sess.run(y_pred, feed_dict={x: x_test, y: y_test}) correct = np.equal(np.argmax(pred, 1), np.argmax(y_test, 1)) numpy_accuracy = np.mean(correct.astype(np.float32)) print(‘Accuracy on validation set (numpy): %.9f‘ % numpy_accuracy)
以上是关于TensorFlow简单实例:titanic实战的主要内容,如果未能解决你的问题,请参考以下文章