टाइटैनिक डेटासेट का निरीक्षण Tensorflow और अनुमानकों का उपयोग करके, सुविधाओं के माध्यम से पुनरावृत्ति करके और सुविधाओं को एक सूची में परिवर्तित करके, और इसे कंसोल पर प्रदर्शित करके किया जा सकता है।
और पढ़ें: TensorFlow क्या है और Keras कैसे तंत्रिका नेटवर्क बनाने के लिए TensorFlow के साथ काम करता है?
हम केरस अनुक्रमिक एपीआई का उपयोग करेंगे, जो एक अनुक्रमिक मॉडल बनाने में सहायक है जिसका उपयोग परतों के एक सादे ढेर के साथ काम करने के लिए किया जाता है, जहां हर परत में ठीक एक इनपुट टेंसर और एक आउटपुट टेंसर होता है।
एक तंत्रिका नेटवर्क जिसमें कम से कम एक परत होती है, एक दृढ़ परत के रूप में जानी जाती है। हम लर्निंग मॉडल बनाने के लिए कन्वेन्शनल न्यूरल नेटवर्क का उपयोग कर सकते हैं।
हम नीचे दिए गए कोड को चलाने के लिए Google सहयोग का उपयोग कर रहे हैं। Google Colab या Colaboratory ब्राउज़र पर पायथन कोड चलाने में मदद करता है और इसके लिए शून्य कॉन्फ़िगरेशन और GPU (ग्राफ़िकल प्रोसेसिंग यूनिट) तक मुफ्त पहुंच की आवश्यकता होती है। जुपिटर नोटबुक के ऊपर कोलैबोरेटरी बनाई गई है।
एक अनुमानक एक संपूर्ण मॉडल का TensorFlow का उच्च-स्तरीय प्रतिनिधित्व है। इसे आसान स्केलिंग और अतुल्यकालिक प्रशिक्षण के लिए डिज़ाइन किया गया है।
हम tf.estimator API का उपयोग करके लॉजिस्टिक रिग्रेशन मॉडल को प्रशिक्षित करेंगे। मॉडल का उपयोग अन्य एल्गोरिदम के लिए आधार रेखा के रूप में किया जाता है। हम यात्रियों के जीवित रहने की भविष्यवाणी करने के लक्ष्य के साथ टाइटैनिक डेटासेट का उपयोग करते हैं, लिंग, आयु, वर्ग, आदि जैसी विशेषताओं को देखते हुए।
अनुमानक फीचर कॉलम का उपयोग यह वर्णन करने के लिए करते हैं कि मॉडल कच्चे इनपुट सुविधाओं की व्याख्या कैसे करेगा। एक अनुमानक संख्यात्मक इनपुट के एक वेक्टर की अपेक्षा करता है, और फीचर कॉलम यह वर्णन करने में मदद करेगा कि मॉडल को डेटासेट में प्रत्येक सुविधा को कैसे परिवर्तित करना चाहिए। एक प्रभावी मॉडल सीखने के लिए फीचर कॉलम के सही सेट का चयन करना और उसका उपयोग करना आवश्यक है।
उदाहरण
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()) कोड क्रेडिट -https://www.tensorflow.org/tutorials/estimator/linear
आउटपुट
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]
स्पष्टीकरण
- डेटासेट का निरीक्षण किया गया है।
- सुविधा कुंजी, लेबल और कक्षाएं कंसोल पर प्रदर्शित होती हैं।
- यह डेटासेट के एक बैच पर पुनरावृति करके किया जाता है।