tensorflow生成图片标签_在TensorFlow中执行分类详解

本文介绍了如何使用Python和TensorFlow进行分类任务,以加州人口普查数据为例,预测收入类别。文章涵盖了数据导入、数据预处理、特征工程,包括数值特征的归一化和分类特征的处理,以及训练模型和评估模型的步骤。通过创建特征列和使用线性分类器,最终得到模型的准确率和AUC等指标。
摘要由CSDN通过智能技术生成

188758422ee23a8c94c8c0069d896036.png

作者 | Harshdeep Singh

来源 | Medium

编辑 | 代码医生团队

在本文中,将解释如何使用Python中的TensorFlow库执行分类。将与加州人口普查数据合作,并尝试使用个人的各种功能来预测所属的收入类别(> 50k或<= 50k)。可以在TensorFlow存储库中的GitHub配置文件中访问数据。这是访问数据的链接。代码和Jupyter笔记本可以在下面访问:

https://github.com/HarshSingh16/Tensorflow

https://github.com/HarshSingh16/Tensorflow/blob/master/Classification_Tensorflow.ipynb

导入库和数据集

首先将必要的库和数据集导入Jupyter Notebook。

be903094dfde5b0b4b37724f1006a279.png

看看数据集有15列。在这15个中,6列本质上是数字的,而其余9列是分类的。下图提供了有关列类型和相应描述的信息。请注意,在此示例中不会使用变量“fnlwgt”。

c1a8299d5eb4e5ef8b298590fb38822a.png

查看目标列:

现在来看看目标栏“收入”。如前所述,正在尝试对个人的收入等级进行分类。因此基本上有两个类 - “≤50K”和“> 50K。

 54333de23fc1331fccdeb355097dc93e.png

但是不能将目标标签保留为当前字符串格式。这是因为TensorFlow不将字符串理解为标签。必须将这些字符串转换为0和1.如果收入括号大于50K,则为“1”;如果收入括号小于或等于50K,则为“0”。可以通过创建for循环,然后将标签附加到列表来实现。还使用刚刚创建的新列表直接更新了现有的“收入”列。以下是执行转换的代码:

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值