在【机器学习6】和【机器学习9】中,我们使用 TensorFlow 进行了“线性回归模型”和“组合特征”编程实践。本质上,其中采用的都是回归模型,也就是说,我们创建了产生浮点预测的模型,比如“这个社区的房子要花 N 千美元。” 在本篇,我们将创建并评估一个二进制分类模型。
学习目标:
- 将回归问题转换为分类问题。
- 修改分类阈值并确定该修改对模型有什么影响。
- 尝试使用不同的分类指标来确定模型的有效性。
数据集:与【机器学习9】一样,编程练习中也使用加州住房数据集。
目录
1.导入依赖模块
import numpy as np
import pandas as pd
import tensorflow as tf
from tensorflow.keras import layers
from matplotlib import pyplot as plt
# The following lines adjust the granularity of reporting.
pd.options.display.max_rows = 10
pd.op