Keras+tf.数据集+预测

在培训和评估之前,我将分类特征转换为数字特征,最终得到相同数量的特征,只是数字特征:

https://www.kaggle.com/jannesklaas/explaining-income-classification-with-keras/notebook

我的模型使用keras+估计器(model_to_估计器),它定义了一个训练和服务函数。

总特色:14

• 我的训练数据集,包含14个。
• 我的评估数据集包含14个。

  def input_fn(features, labels, shuffle, num_epochs, batch_size):
    dataset = tf.data.Dataset.from_tensor_slices((features, labels))    
    if shuffle:
        dataset = dataset.shuffle(buffer_size=256)
    dataset = dataset.repeat(num_epochs)
    dataset = dataset.batch(batch_size)
    return dataset

如果我想做真实的预测,数据需要转换成数字?

25, Private, 226802, 11th, 7, Never-married, Machine-op-inspct, Own-child, Black, Male, 0, 0, 40, United-States, <=50K

这是估计器服务函数:

train_input_fn = lambda: input_fn(features=X_train, 
                    labels=Y_train, 
                    shuffle=True, 
                    num_epochs=10, 
                    batch_size=40)

estimator.train(train_input_fn)

参考文献 here

如何创建能够传递预测的函数?