TensorFlow－5: 用 tf.contrib.learn 来构建输入函数

学习资料： https://www.tensorflow.org/get_started/input_fn

对应的中文翻译： http://studyai.site/2017/03/06/%E3%80%90Tensorflow%20r1.0%20%E6%96%87%E6%A1%A3%E7%BF%BB%E8%AF%91%E3%80%91%E9%80%9A%E8%BF%87tf.contrib.learn%E6%9D%A5%E6%9E%84%E5%BB%BA%E8%BE%93%E5%85%A5%E5%87%BD%E6%95%B0/

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

代码： 地址： https://github.com/tensorflow/tensorflow/blob/master/tensorflow/examples/tutorials/input_fn/boston.py

"""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]]