Как применить последовательную модель MSE к данным, которые не являются двоичными? - PullRequest
0 голосов
/ 19 декабря 2018

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)
Добро пожаловать на сайт PullRequest, где вы можете задавать вопросы и получать ответы от других членов сообщества.
...