python - Keras + tf.Dataset + 预测

Question

我使用的数据集包含数字+分类数据。 在训练和评估之前，我将分类特征转换为数字，最终得到相同数量的特征，只是数字:

基于此笔记本:

https://www.kaggle.com/jannesklaas/explaining-income-classification-with-keras/notebook

我的模型使用 keras + Estimator (model_to_estimator)，它定义了训练和服务函数。

总功能:14

• 我的训练数据集包含 14 个。
• 我的评估数据集包含 14 个。

输入功能:

  def input_fn(features, labels, shuffle, num_epochs, batch_size):
    dataset = tf.data.Dataset.from_tensor_slices((features, labels))    
    if shuffle:
        dataset = dataset.shuffle(buffer_size=256)
    dataset = dataset.repeat(num_epochs)
    dataset = dataset.batch(batch_size)
    return dataset

如果我想做真正的预测，数据需要转换为数字吗？

25, Private, 226802, 11th, 7, Never-married, Machine-op-inspct, Own-child, Black, Male, 0, 0, 40, United-States, <=50K

这是估计器服务函数:

train_input_fn = lambda: input_fn(features=X_train, 
                    labels=Y_train, 
                    shuffle=True, 
                    num_epochs=10, 
                    batch_size=40)

estimator.train(train_input_fn)

引用here

如何创建一个能够传递预测的函数？

Answer 1

数据应该是数字。估计器方法为其关联的输入函数构建图形，因此您可以使当前的 input_fn 更通用，以便能够通过仅提供 X_test 和 Y_test 来返回测试数据集，或者您可以编写一个新方法来执行此操作。目标可以传递给预测方法，因为仅当输入采用元组形式时，它才会采用第一项。