Я хочу построить регрессионную модель с двумя выходными узлами с использованием тензорного потока. Я ищу код, который может построить регрессионную модель, но с 1 выходным узлом.Как сделать регрессию с использованием тензорного потока с выходом серии?
https://github.com/tensorflow/tensorflow/blob/master/tensorflow/examples/skflow/boston.py
from __future__ import absolute_import
from __future__ import division
from __future__ import print_function
from sklearn import cross_validation
from sklearn import metrics
from sklearn import preprocessing
import tensorflow as tf
from tensorflow.contrib import learn
def main(unused_argv):
# Load dataset
boston = learn.datasets.load_dataset('boston')
x, y = boston.data, boston.target
# Split dataset into train/test
x_train, x_test, y_train, y_test = cross_validation.train_test_split(
x, y, test_size=0.2, random_state=42)
# Scale data (training set) to 0 mean and unit standard deviation.
scaler = preprocessing.StandardScaler()
x_train = scaler.fit_transform(x_train)
# Build 2 layer fully connected DNN with 10, 10 units respectively.
feature_columns = learn.infer_real_valued_columns_from_input(x_train)
regressor = learn.DNNRegressor(
feature_columns=feature_columns, hidden_units=[10, 10])
# Fit
regressor.fit(x_train, y_train, steps=5000, batch_size=1)
# Predict and score
y_predicted = list(
regressor.predict(scaler.transform(x_test), as_iterable=True))
score = metrics.mean_squared_error(y_predicted, y_test)
print('MSE: {0:f}'.format(score))
if __name__ == '__main__':
tf.app.run()
Я новичок в tensorflow, так что я искал для кода, который имеет сходство с тем, как шахта работает, но выход кода один.
В моей модели вход N * 1000, а выход - N * 2. Интересно, есть ли эффективный и эффективный код для регрессии. Пожалуйста, дайте мне пример.
Не совсем понятно, каков ваш вопрос. Вы можете быть более конкретным? – miraculixx