पायथन में टेंसरफ्लो और एस्टिमेटर का उपयोग करके टाइटैनिक डेटासेट का निरीक्षण कैसे करें?

टाइटैनिक डेटासेट का निरीक्षण टेंसरफ्लो और एस्टिमेटर का उपयोग करके किया जा सकता है, फीचर के माध्यम से पुनरावृति करके, फीचर को सूची में परिवर्तित करके, और इसे कंसोल पर प्रदर्शित करके।

और पढ़ें: टेंसरफ्लो क्या है और केरस टेंसरफ्लो के साथ न्यूरल नेटवर्क बनाने में कैसे काम करता है?

हम केरस सीक्वेंशियल API का उपयोग करेंगे, जो एक सीक्वेंशियल मॉडल बनाने में सहायक है जिसका उपयोग लेयर के सादे स्टैक के साथ काम करने के लिए किया जाता है, जहां प्रत्येक लेयर में ठीक एक इनपुट टेंसर और एक आउटपुट टेंसर होता है।

एक न्यूरल नेटवर्क जिसमें कम से कम एक लेयर होती है, कन्वोल्यूशनल लेयर के रूप में जानी जाती है। हम कन्वोल्यूशनल न्यूरल नेटवर्क का उपयोग लर्निंग मॉडल बनाने के लिए कर सकते हैं।

हम नीचे दिए गए कोड को चलाने के लिए Google Colaboratory का उपयोग कर रहे हैं। Google Colab या कोलेबोरेटरी ब्राउज़र पर पायथन कोड चलाने में मदद करता है और इसके लिए शून्य कॉन्फ़िगरेशन और GPU (ग्राफिकल प्रोसेसिंग यूनिट्स) तक मुफ्त पहुंच की आवश्यकता होती है। कोलेबोरेटरी को जुपिटर नोटबुक के शीर्ष पर बनाया गया है।

एक एस्टिमेटर टेंसरफ्लो का एक पूर्ण मॉडल का उच्च-स्तरीय प्रतिनिधित्व है। इसे आसान स्केलिंग और एसिंक्रोनस ट्रेनिंग के लिए डिज़ाइन किया गया है।

हम tf.estimator API का उपयोग करके लॉजिस्टिक रिग्रेशन मॉडल प्रशिक्षित करेंगे। मॉडल का उपयोग अन्य एल्गोरिदम के लिए बेसलाइन के रूप में किया जाता है। हम टाइटैनिक डेटासेट का उपयोग करते हैं जिसका लक्ष्य यात्री जीवित रहने की भविष्यवाणी करना है, दिए गए विशेषताओं जैसे लिंग, आयु, क्लास, आदि।

एस्टिमेटर फीचर कॉलम का उपयोग यह वर्णन करने के लिए करते हैं कि मॉडल कच्ची इनपुट फीचर की व्याख्या कैसे करेगा। एक एस्टिमेटर न्यूमेरिक इनपुट के वेक्टर की अपेक्षा करता है, और फीचर कॉलम यह वर्णन करने में मदद करेंगे कि मॉडल को डेटासेट में प्रत्येक फीचर को कैसे परिवर्तित करना चाहिए। सही सेट फीचर कॉलम का चयन और उपयोग एक प्रभावी मॉडल सीखने के लिए आवश्यक है।

उदाहरण

print("डेटासेट का निरीक्षण किया जा रहा है")
ds = make_input_fn(dftrain, y_train, batch_size=10)()
for feature_batch, label_batch in ds.take(1):
    print('कुछ फीचर कुंजियाँ हैं:', list(feature_batch.keys()))
    print()
    print('क्लास का एक बैच:', feature_batch['class'].numpy())
    print()
    print('लेबल का एक बैच:', label_batch.numpy())

कोड क्रेडिट - https://www.tensorflow.org/tutorials/estimator/linear

आउटपुट

डेटासेट का निरीक्षण किया जा रहा है
कुछ फीचर कुंजियाँ हैं: ['sex', 'age', 'n_siblings_spouses', 'parch', 'fare', 'class', 'deck', 'embark_town', 'alone']
क्लास का एक बैच: [b'First' b'First' b'First' b'Third' b'Third' b'Third' b'First' b'Third' b'Second' b'Third']
लेबल का एक बैच: [0 1 1 0 0 0 1 0 0 0]

व्याख्या

• डेटासेट का निरीक्षण किया जाता है।
• फीचर कुंजियाँ, लेबल, और क्लास कंसोल पर प्रदर्शित किए जाते हैं।
• यह डेटासेट के एक बैच पर पुनरावृति करके किया जाता है।