机器学习27：使用 Pandas 和 TensorFlow 进行数据建模编程实践

本文将详细介绍基于 Pandas 和 TensorFlow 探索、清理以及转换用于训练模型的数据集的方法，辅以代码和图片。

学习目标：

• 了解使用 Pandas 进行数据清理和处理丢失数据的基础知识。
• 使用校准图评估模型性能。
• 使用各种特征转换训练模型。
• 使用可视化来了解特征转换的价值。

关于环境搭建，请前往《机器学习6：使用 TensorFlow 的训练线性回归模型》，本文不再赘述。

目录

1.准备工作

1.1 导入依赖模块

1.2 Pandas 基本设置

1.3 用 Pandas 加载数据集

2.任务一：使用 Pandas 探索和准备数据

2.1 探索数据

2.2 准备数据

3. 任务二：基于数字特征（未规范化-Normalization）训练模型

3.1 基于数字特征训练模型

3.2 将模型的预测可视化

3.3 完整代码运行

4.任务三：基于数值特征训练模型（需规范化-Normalization）模型

4.1 特征规范化

4.2 预测结果可视化

5.任务四：基于类别特征来训练模型

6.参考文献

---

1.准备工作

1.1 导入依赖模块

import numpy as np
import pandas as pd
import math
from matplotlib