学习资料：
https://www.tensorflow.org/get_started/input_fn
今天学习用 tf.contrib.learn 来建立 input funciton, 并用 DNN 对 Boston Housing 数据集进行回归预测。
问题：
- 给一组波士顿房屋价格数据，要用神经网络回归模型来预测房屋价格的中位数
- 数据集可以从官网教程下载：
https://www.tensorflow.org/get_started/input_fn -
它包括以下特征：
- 我们需要预测的是MEDV这个标签，以每一千美元为单位
一共有 5 步：
- 导入 CSV 格式的数据集
- 建立神经网络回归模型
- 用训练数据集训练模型
- 评价模型的准确率
- 对新样本数据进行分类
"""DNNRegressor with custom input_fn for Housing dataset."""
from __future__ import absolute_import
from __future__ import division
from __future__ import print_function
import itertools
import pandas as pd
import tensorflow as tf
tf.logging.set_verbosity(tf.logging.INFO)
COLUMNS = ["crim", "zn", "indus", "nox", "rm", "age",
"dis", "tax", "ptratio", "medv"]
FEATURES = ["crim", "zn", "indus", "nox", "rm",
"age", "dis", "tax", "ptratio"]
LABEL = "medv"
def input_fn(data_set):
feature_cols = {k: tf.constant(data_set[k].values) for k in FEATURES}
labels = tf.constant(data_set[LABEL].values)
return feature_cols, labels
def main(unused_argv):
# Load datasets
training_set = pd.read_csv("boston_train.csv", skipinitialspace=True,
skiprows=1, names=COLUMNS)
test_set = pd.read_csv("boston_test.csv", skipinitialspace=True,
skiprows=1, names=COLUMNS)
# Set of 6 examples for which to predict median house values
prediction_set = pd.read_csv("boston_predict.csv", skipinitialspace=True,
skiprows=1, names=COLUMNS)
# Feature cols
feature_cols = [tf.contrib.layers.real_valued_column(k)
for k in FEATURES]
# Build 2 layer fully connected DNN with 10, 10 units respectively.
regressor = tf.contrib.learn.DNNRegressor(feature_columns=feature_cols,
hidden_units=[10, 10],
model_dir="/tmp/boston_model")
# Fit
regressor.fit(input_fn=lambda: input_fn(training_set), steps=5000)
# Score accuracy
ev = regressor.evaluate(input_fn=lambda: input_fn(test_set), steps=1)
loss_score = ev["loss"]
print("Loss: {0:f}".format(loss_score))
# Print out predictions
y = regressor.predict(input_fn=lambda: input_fn(prediction_set))
# .predict() returns an iterator; convert to a list and print predictions
predictions = list(itertools.islice(y, 6))
print("Predictions: {}".format(str(predictions)))
if __name__ == "__main__":
tf.app.run()
今天主要的知识点就是输入函数
在上面的代码中我们可以看到，输入数据时用的是 pandas，可以直接读取 CSV 文件
为了识别数据集中哪些是列，哪些是特征，哪些是预测标签，需要把这三者定义出来
在定义神经网络回归模型时，我们建立一个具有两层隐藏层的神经网络，每一层具有 10 个神经元节点，
接下来就是建立输入函数，它的作用就是把输入数据传递给回归模型，它可以接受 pandas 的 Dataframe 结构，并将特征和标签列作为 Tensors 返回
在训练时，只需要把训练数据集传递给输入函数，用 fit 迭代5000步
评价模型时，也是将测试数据集传递给输入函数，再用 evaluate
预测时，同样将预测数据集传递给输入函数
关于 输入函数：
昨天学到读取 CSV 文件的方法适用于不需要对原来的数据有什么操作的时候
但是当需要对数据进行特征工程时，我们就需要有一个输入函数来把数据的预处理给封装起来，再传递给模型
输入函数的基本框架：
def my_input_fn():
# Preprocess your data here...
# ...then return 1) a mapping of feature columns to Tensors with
# the corresponding feature data, and 2) a Tensor containing labels
return feature_cols, labels
输入函数必须返回下面两种值：
feature_cols：是一个字典，key 就是特征列的名字，value 就是 tensor，包含了相应的数据
labels：返回包含标签数据的 tensor，即所想要预测的目标
如果特征/标签数据存在pandas数据帧中或numpy数组中，那么需要将其转换为Tensor，然后从 input_fn 中返回。
对于稀疏数据
大多数值为0的数据，应该填充一个 SparseTensor，
下面例子，就是定义了一个具有3行和5列的二维 SparseTensor。在 [0,1] 上的元素的值为 6，[2,4] 上的元素值为 0.5，其他值为 0：
sparse_tensor = tf.SparseTensor(indices=[[0,1], [2,4]],
values=[6, 0.5],
dense_shape=[3, 5])
[[0, 6, 0, 0, 0]
[0, 0, 0, 0, 0]
[0, 0, 0, 0, 0.5]]
推荐阅读 历史技术博文链接汇总
http://www.jianshu.com/p/28f02bb59fe5
也许可以找到你想要的
