Keras + tf.Dataset +预测

Question

我使用的数据集同时包含数值+分类数据。在进行培训和评估之前，我将分类特性转换为数字特性，最后得到相同数量的特性，只是数字特性：

基于此笔记本：

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

我的模型是使用keras + Estimator (model_to_estimator)来定义训练和服务功能。

特征总数: 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

如果我想做真实的预测，数据需要转换成数字吗？

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

这是用于函数的估计量：

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)

参考这里

如何创建一个函数来传递预测？

Answer 1

数据应该是数字的。估值器方法为它们相关的输入函数构造图形，因此您可以使当前的input_fn更通用，也可以通过只输入X_test和Y_test来返回测试数据集，也可以编写一个新的方法来实现这一点。目标可以传递给预测方法，因为只有当输入以元组的形式出现时，它才会接受第一项。