我用tensorflow的LinearClassifier數據與着名的泰坦尼克號數據集一起玩過。可視化tf.contrib.learn.LinearClassifier權重
(我的問題本身就是下跌的底部 - 這是模型本身都有些代碼)
所以,我有我的特色欄目:
CONTINUOUS_COLS = ['Age', 'Fare']
CATEGORICAL_COLS = ['Sex', 'Pclass', 'Title']
LABELS_COL = 'Survived'
sex_col = sparse_column_with_keys('Sex', keys=['male', 'female'])
title_col = sparse_column_with_hash_bucket('Title', 10)
fare_class_col = sparse_column_with_keys('Pclass', keys=['1','2','3'])
age_col = real_valued_column('Age')
fare_col = real_valued_column('Fare')
我輸入功能:
def create_input_fn(df):
continous_features = {k: tf.constant(df[k].values) for k in CONTINUOUS_COLS}
categorical_features = {k : tf.SparseTensor(
indices=[[0,i] for i in range(df[k].size)],
values=df[k].values,
dense_shape=[df[k].size, 1]
) for k in CATEGORICAL_COLS}
feature_cols = {**continous_features, **categorical_features}
labels = tf.constant(df[LABELS_COL].values)
return feature_cols, labels
和我的模型:
clf = LinearClassifier(feature_columns=[sex_col, fare_class_col, age_col, fare_col, title_col],
optimizer=tf.train.FtrlOptimizer(
learning_rate=0.5,
l1_regularization_strength=1.0,
l2_regularization_strength=1.0),
model_dir=tempfile.TemporaryDirectory().name)
現在,當我運行模型時,它確實會出現波折,我想查看模型的權重以更好地觀察它們。
所以clf.weights_
存在(儘管它被列爲不推薦使用),所以我只是將它們拉出來手動:
for var in clf.get_variable_names():
if var.endswith('weights'):
print(f'{var} -> {clf.get_variable_value(var)}')
我也得到了一些不錯的成績:
linear/Pclass/weights -> [[ 0. ]
[ 0. ]
[-0.01772301]]
linear/Sex/weights -> [[-0.07285357]
[ 0. ]]
linear/Title/weights -> [[ 0. ]
[ 0. ]
[ 0. ]
[-0.03760524]
[ 0. ]
[ 0. ]
[ 0. ]
[ 0. ]
[ 0. ]
[ 0. ]]
現在我的問題是 - 我如何取出最初使用的鍵? 因此,我可以更好地匹配數字,例如與性別 - 鍵最初映射到男性/女性。
謝謝!