Я использую эту модель с двоичными данными, чтобы предсказать вероятный капот игры из этого руководства .
import tensorflow as tf
from tensorflow import keras
import numpy as np
import pandas as pd
model = keras.Sequential()
input_layer = keras.layers.Dense(3, input_shape=[3], activation='tanh')
model.add(input_layer)
output_layer = keras.layers.Dense(1, activation='sigmoid')
model.add(output_layer)
gd = tf.train.GradientDescentOptimizer(0.01)
model.compile(optimizer=gd, loss='mse')
sess = tf.Session() #NEW LINE
training_x = np.array([[1, 1, 0], [1, 1, 1], [0, 1, 0], [-1, 1, 0], [-1, 0, 0], [-1, 0, 1],[0, 0, 1], [1, 1, 0], [1, 0, 0], [-1, 0, 0], [1, 0, 1], [0, 1, 1], [0, 0, 0], [-1, 1, 1]])
training_y = np.array([[0], [0], [1], [1], [1], [0], [1],[0], [1], [1], [1], [1], [1], [0]])
init_op = tf.initializers.global_variables()
sess.run(init_op) #NEW LINE
model.fit(training_x, training_y, epochs=1000, steps_per_epoch = 10)
text_x = np.array([[1, 0, 0]])
test_y = model.predict(text_x, verbose=0, steps=1)
print(test_y)
Все текущие данные являются двоичными, и модель работает с двоичными данными. Существует ли какая-либо модель или способ преобразования недвоичных данных в двоичные данные с предсказанием вероятности product_sold в указанном ниже наборе данных?
набор данных:
number_infants cost_of_infants estimated_cost_infants product_sold
5 1000 2000 0
6 8919 1222 1
7 10000 891 1
product_sold
1 = yes
0 = no
edit:
lst = массив первых трех столбцов df
[[5,1000,2000],[6,8919,1222]]
lst_1 = массив только4-я колонна
[[0,1,1]]
training_x = np.array(lst)
training_y = np.array(lst_1)