《30天吃掉那只 TensorFlow2.0》 1-1 结构化数据建模流程范例 (titanic生存预测问题)

简介: 《30天吃掉那只 TensorFlow2.0》 1-1 结构化数据建模流程范例 (titanic生存预测问题)

1-1 结构化数据建模流程范例 (titanic生存预测问题)


文章目录



8dd76e4902714e07b84622a57f318246.jpg


一,准备数据


titanic数据集的目标是根据乘客信息预测他们在Titanic号撞击冰山沉没后能否生存。

结构化数据一般会使用Pandas中的DataFrame进行预处理。

import numpy as np 
import pandas as pd 
import matplotlib.pyplot as plt
import tensorflow as tf 
from tensorflow.keras import models,layers
dftrain_raw = pd.read_csv('./data/titanic/train.csv')
dftest_raw = pd.read_csv('./data/titanic/test.csv')
dftrain_raw.head(10)

6ae5b094aa97447fa6be6d29ea72e642.png

字段说明:


Survived:0代表死亡,1代表存活【y标签】

Pclass:乘客所持票类,有三种值(1,2,3) 【转换成onehot编码】

Name:乘客姓名 【舍去】

Sex:乘客性别 【转换成bool特征】

Age:乘客年龄(有缺失) 【数值特征,添加“年龄是否缺失”作为辅助特征】

SibSp:乘客兄弟姐妹/配偶的个数(整数值) 【数值特征】

Parch:乘客父母/孩子的个数(整数值)【数值特征】

Ticket:票号(字符串)【舍去】

Fare:乘客所持票的价格(浮点数,0-500不等) 【数值特征】

Cabin:乘客所在船舱(有缺失) 【添加“所在船舱是否缺失”作为辅助特征】

Embarked:乘客登船港口:S、C、Q(有缺失)【转换成onehot编码,四维度 S,C,Q,nan】

利用Pandas的数据可视化功能我们可以简单地进行探索性数据分析EDA(Exploratory Data Analysis)。


label分布情况


%matplotlib inline
%config InlineBackend.figure_format = 'png'
ax = dftrain_raw['Survived'].value_counts().plot(kind = 'bar',
     figsize = (12,8),fontsize=15,rot = 0)
ax.set_ylabel('Counts',fontsize = 15)
ax.set_xlabel('Survived',fontsize = 15)
plt.show()

005c9435d87d460ca571bd732ba4594a.png

8b91d17a709c4e2fbd1089a22ffc7c46.png

年龄分布情况

%matplotlib inline
%config InlineBackend.figure_format = 'png'
ax = dftrain_raw['Age'].plot(kind = 'hist',bins = 20,color= 'purple',
                    figsize = (12,8),fontsize=15)
ax.set_ylabel('Frequency',fontsize = 15)
ax.set_xlabel('Age',fontsize = 15)
plt.show()


8b91d17a709c4e2fbd1089a22ffc7c46.png


年龄和label的相关性

%matplotlib inline
%config InlineBackend.figure_format = 'png'
ax = dftrain_raw.query('Survived == 0')['Age'].plot(kind = 'density',
                      figsize = (12,8),fontsize=15)
dftrain_raw.query('Survived == 1')['Age'].plot(kind = 'density',
                      figsize = (12,8),fontsize=15)
ax.legend(['Survived==0','Survived==1'],fontsize = 12)
ax.set_ylabel('Density',fontsize = 15)
ax.set_xlabel('Age',fontsize = 15)
plt.show()

下面为正式的数据预处理

def preprocessing(dfdata):
    dfresult= pd.DataFrame()
    #Pclass
    dfPclass = pd.get_dummies(dfdata['Pclass'])
    dfPclass.columns = ['Pclass_' +str(x) for x in dfPclass.columns ]
    dfresult = pd.concat([dfresult,dfPclass],axis = 1)
    #Sex
    dfSex = pd.get_dummies(dfdata['Sex'])
    dfresult = pd.concat([dfresult,dfSex],axis = 1)
    #Age
    dfresult['Age'] = dfdata['Age'].fillna(0)
    dfresult['Age_null'] = pd.isna(dfdata['Age']).astype('int32')
    #SibSp,Parch,Fare
    dfresult['SibSp'] = dfdata['SibSp']
    dfresult['Parch'] = dfdata['Parch']
    dfresult['Fare'] = dfdata['Fare']
    #Carbin
    dfresult['Cabin_null'] =  pd.isna(dfdata['Cabin']).astype('int32')
    #Embarked
    dfEmbarked = pd.get_dummies(dfdata['Embarked'],dummy_na=True)
    dfEmbarked.columns = ['Embarked_' + str(x) for x in dfEmbarked.columns]
    dfresult = pd.concat([dfresult,dfEmbarked],axis = 1)
    return(dfresult)
x_train = preprocessing(dftrain_raw)
y_train = dftrain_raw['Survived'].values
x_test = preprocessing(dftest_raw)
y_test = dftest_raw['Survived'].values
print("x_train.shape =", x_train.shape )
print("x_test.shape =", x_test.shape )
x_train.shape = (712, 15)
x_test.shape = (179, 15)

二,定义模型


使用Keras接口有以下3种方式构建模型:使用Sequential按层顺序构建模型,使用函数式API构建任意结构模型,继承Model基类构建自定义模型。

此处选择使用最简单的Sequential,按层顺序模型。

tf.keras.backend.clear_session()
model = models.Sequential()
model.add(layers.Dense(20,activation = 'relu',input_shape=(15,)))
model.add(layers.Dense(10,activation = 'relu' ))
model.add(layers.Dense(1,activation = 'sigmoid' ))
model.summary()
Model: "sequential"
_________________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
dense (Dense)                (None, 20)                320       
_________________________________________________________________
dense_1 (Dense)              (None, 10)                210       
_________________________________________________________________
dense_2 (Dense)              (None, 1)                 11        
=================================================================
Total params: 541
Trainable params: 541
Non-trainable params: 0
_________________________________________________________________

三,训练模型


训练模型通常有3种方法,内置fit方法,内置train_on_batch方法,以及自定义训练循环。此处我们选择最常用也最简单的内置fit方法。


# 二分类问题选择二元交叉熵损失函数
model.compile(optimizer='adam',
            loss='binary_crossentropy',
            metrics=['AUC'])
history = model.fit(x_train,y_train,
                    batch_size= 64,
                    epochs= 30,
                    validation_split=0.2 #分割一部分训练数据用于验证
                   )
Epoch 1/30
9/9 [==============================] - 2s 62ms/step - loss: 2.8391 - auc: 0.3813 - val_loss: 2.0836 - val_auc: 0.3220
Epoch 2/30
9/9 [==============================] - 0s 9ms/step - loss: 1.8698 - auc: 0.3278 - val_loss: 1.2946 - val_auc: 0.3124
Epoch 3/30
9/9 [==============================] - 0s 10ms/step - loss: 1.0347 - auc: 0.3555 - val_loss: 0.8569 - val_auc: 0.3841
Epoch 4/30
9/9 [==============================] - 0s 10ms/step - loss: 0.7541 - auc: 0.5236 - val_loss: 0.8823 - val_auc: 0.5343
Epoch 5/30
9/9 [==============================] - 0s 10ms/step - loss: 0.7402 - auc: 0.6344 - val_loss: 0.8955 - val_auc: 0.5708
Epoch 6/30
9/9 [==============================] - 0s 12ms/step - loss: 0.7220 - auc: 0.6680 - val_loss: 0.8342 - val_auc: 0.5676
Epoch 7/30
9/9 [==============================] - 0s 9ms/step - loss: 0.6922 - auc: 0.6668 - val_loss: 0.7577 - val_auc: 0.5593
Epoch 8/30
9/9 [==============================] - 0s 14ms/step - loss: 0.6638 - auc: 0.6679 - val_loss: 0.7171 - val_auc: 0.5791
Epoch 9/30
9/9 [==============================] - 0s 12ms/step - loss: 0.6458 - auc: 0.6818 - val_loss: 0.6939 - val_auc: 0.5963
Epoch 10/30
9/9 [==============================] - 0s 15ms/step - loss: 0.6307 - auc: 0.7037 - val_loss: 0.6852 - val_auc: 0.6140
Epoch 11/30
9/9 [==============================] - 0s 10ms/step - loss: 0.6156 - auc: 0.7206 - val_loss: 0.6740 - val_auc: 0.6304
Epoch 12/30
9/9 [==============================] - 0s 11ms/step - loss: 0.6030 - auc: 0.7454 - val_loss: 0.6684 - val_auc: 0.6404
Epoch 13/30
9/9 [==============================] - 0s 10ms/step - loss: 0.5879 - auc: 0.7622 - val_loss: 0.6624 - val_auc: 0.6508
Epoch 14/30
9/9 [==============================] - 0s 12ms/step - loss: 0.5723 - auc: 0.7756 - val_loss: 0.6436 - val_auc: 0.6674
Epoch 15/30
9/9 [==============================] - 0s 13ms/step - loss: 0.5629 - auc: 0.7796 - val_loss: 0.6398 - val_auc: 0.6788
Epoch 16/30
9/9 [==============================] - 0s 15ms/step - loss: 0.5531 - auc: 0.7967 - val_loss: 0.6285 - val_auc: 0.6885
Epoch 17/30
9/9 [==============================] - 0s 16ms/step - loss: 0.5398 - auc: 0.8074 - val_loss: 0.6303 - val_auc: 0.6961
Epoch 18/30
9/9 [==============================] - 0s 11ms/step - loss: 0.5353 - auc: 0.8118 - val_loss: 0.6201 - val_auc: 0.7016
Epoch 19/30
9/9 [==============================] - 0s 14ms/step - loss: 0.5246 - auc: 0.8171 - val_loss: 0.6180 - val_auc: 0.7058
Epoch 20/30
9/9 [==============================] - 0s 11ms/step - loss: 0.5169 - auc: 0.8237 - val_loss: 0.6106 - val_auc: 0.7101
Epoch 21/30
9/9 [==============================] - 0s 14ms/step - loss: 0.5098 - auc: 0.8326 - val_loss: 0.6089 - val_auc: 0.7182
Epoch 22/30
9/9 [==============================] - 0s 12ms/step - loss: 0.5038 - auc: 0.8387 - val_loss: 0.6044 - val_auc: 0.7200
Epoch 23/30
9/9 [==============================] - 0s 13ms/step - loss: 0.4982 - auc: 0.8399 - val_loss: 0.5998 - val_auc: 0.7201
Epoch 24/30
9/9 [==============================] - 0s 11ms/step - loss: 0.4937 - auc: 0.8450 - val_loss: 0.6064 - val_auc: 0.7285
Epoch 25/30
9/9 [==============================] - 0s 11ms/step - loss: 0.4894 - auc: 0.8519 - val_loss: 0.5945 - val_auc: 0.7258
Epoch 26/30
9/9 [==============================] - 0s 19ms/step - loss: 0.4880 - auc: 0.8477 - val_loss: 0.6055 - val_auc: 0.7385
Epoch 27/30
9/9 [==============================] - 0s 11ms/step - loss: 0.4925 - auc: 0.8440 - val_loss: 0.5893 - val_auc: 0.7330
Epoch 28/30
9/9 [==============================] - 0s 21ms/step - loss: 0.4777 - auc: 0.8603 - val_loss: 0.5895 - val_auc: 0.7389
Epoch 29/30
9/9 [==============================] - 0s 12ms/step - loss: 0.4750 - auc: 0.8571 - val_loss: 0.5848 - val_auc: 0.7407
Epoch 30/30
9/9 [==============================] - 0s 10ms/step - loss: 0.4780 - auc: 0.8580 - val_loss: 0.5816 - val_auc: 0.7369

四,评估模型


我们首先评估一下模型在训练集和验证集上的效果。

%matplotlib inline
%config InlineBackend.figure_format = 'svg'
import matplotlib.pyplot as plt
def plot_metric(history, metric):
    train_metrics = history.history[metric]
    val_metrics = history.history['val_'+metric]
    epochs = range(1, len(train_metrics) + 1)
    plt.plot(epochs, train_metrics, 'bo--')
    plt.plot(epochs, val_metrics, 'ro-')
    plt.title('Training and validation '+ metric)
    plt.xlabel("Epochs")
    plt.ylabel(metric)
    plt.legend(["train_"+metric, 'val_'+metric])
    plt.show()
plot_metric(history,"loss")

046a90bd26644be8b35f7b899d259358.png

plot_metric(history,"auc")

f3c1aa1497634ba89069eb01ed1ab229.png


我们再看一下模型在测试集上的效果.

model.evaluate(x = x_test,y = y_test)
[0.5191367897907448, 0.8122605]


五,使用模型

#预测概率
model.predict(x_test[0:10])
#model(tf.constant(x_test[0:10].values,dtype = tf.float32)) #等价写法
array([[0.26501188],
       [0.40970832],
       [0.44285864],
       [0.78408605],
       [0.47650957],
       [0.43849158],
       [0.27426785],
       [0.5962582 ],
       [0.59476686],
       [0.17882936]], dtype=float32)
#预测类别
model.predict_classes(x_test[0:10])
# # 这个函数在2.6版本以后已经被取消了
array([[0],
       [0],
       [0],
       [1],
       [0],
       [0],
       [0],
       [1],
       [1],
       [0]], dtype=int32)

六,保存模型


可以使用Keras方式保存模型,也可以使用TensorFlow原生方式保存。前者仅仅适合使用Python环境恢复模型,后者则可以跨平台进行模型部署。

推荐使用后一种方式进行保存。


1,Keras方式保存

# 保存模型结构及权重
model.save('./data/keras_model.h5')  
del model  #删除现有模型
# identical to the previous one
model = models.load_model('./data/keras_model.h5')
model.evaluate(x_test,y_test)
[0.5191367897907448, 0.8122605]
# 保存模型结构
json_str = model.to_json()
# 恢复模型结构
model_json = models.model_from_json(json_str)
#保存模型权重
model.save_weights('./data/keras_model_weight.h5')
# 恢复模型结构
model_json = models.model_from_json(json_str)
model_json.compile(
        optimizer='adam',
        loss='binary_crossentropy',
        metrics=['AUC']
    )
# 加载权重
model_json.load_weights('./data/keras_model_weight.h5')
model_json.evaluate(x_test,y_test)
[0.5191367897907448, 0.8122605]


2,TensorFlow原生方式保存


# 保存权重,该方式仅仅保存权重张量
model.save_weights('./data/tf_model_weights.ckpt',save_format = "tf")


# 保存模型结构与模型参数到文件,该方式保存的模型具有跨平台性便于部署
model.save('./data/tf_model_savedmodel', save_format="tf")
print('export saved model.')
model_loaded = tf.keras.models.load_model('./data/tf_model_savedmodel')
model_loaded.evaluate(x_test,y_test)
[0.5191365896656527, 0.8122605]


相关文章
|
数据采集 自然语言处理 数据建模
《30天吃掉那只 TensorFlow2.0》 1-3 文本数据建模流程范例 (imdb电影评论分类问题)
《30天吃掉那只 TensorFlow2.0》 1-3 文本数据建模流程范例 (imdb电影评论分类问题)
《30天吃掉那只 TensorFlow2.0》 1-3 文本数据建模流程范例 (imdb电影评论分类问题)
|
数据建模 TensorFlow API
《30天吃掉那只 TensorFlow2.0》 1-2 图片数据建模流程范例 (cifar2图片分类问题)
《30天吃掉那只 TensorFlow2.0》 1-2 图片数据建模流程范例 (cifar2图片分类问题)
《30天吃掉那只 TensorFlow2.0》 1-2 图片数据建模流程范例 (cifar2图片分类问题)
|
机器学习/深度学习 TensorFlow 算法框架/工具
《30天吃掉那只 TensorFlow2.0》 一、TensorFlow的建模流程
《30天吃掉那只 TensorFlow2.0》 一、TensorFlow的建模流程
《30天吃掉那只 TensorFlow2.0》 一、TensorFlow的建模流程
|
TensorFlow 算法框架/工具 Python
TensorFlow/Python的一个范例代码及阅读说明
TensorFlow/Python的一个范例代码及阅读说明
92 0
|
机器学习/深度学习 搜索推荐 API
TensorFlow2.0(11):tf.keras建模三部曲
TensorFlow2.0(11):tf.keras建模三部曲
|
Ubuntu Linux Shell
Ubuntu:Ubuntu下安装Anaconda和Tensorflow的简介、入门、安装流程之详细攻略(三)
Ubuntu:Ubuntu下安装Anaconda和Tensorflow的简介、入门、安装流程之详细攻略
Ubuntu:Ubuntu下安装Anaconda和Tensorflow的简介、入门、安装流程之详细攻略(三)
|
Ubuntu Linux Shell
Ubuntu:Ubuntu下安装Anaconda和Tensorflow的简介、入门、安装流程之详细攻略(二)
Ubuntu:Ubuntu下安装Anaconda和Tensorflow的简介、入门、安装流程之详细攻略
Ubuntu:Ubuntu下安装Anaconda和Tensorflow的简介、入门、安装流程之详细攻略(二)
|
数据采集 PyTorch API
Tensorflow V2 图像识别模型训练流程
这里以 TinyMind 《汉字书法识别》比赛数据为例,展示使用 Tensorflow V2.0 进行图像数据分类模型训练的整个流程。
637 0
Tensorflow V2 图像识别模型训练流程
|
机器学习/深度学习 自然语言处理 测试技术
TF之LSTM:基于Tensorflow框架采用PTB数据集建立LSTM网络的自然语言建模
TF之LSTM:基于Tensorflow框架采用PTB数据集建立LSTM网络的自然语言建模
|
机器学习/深度学习 并行计算 Ubuntu
Ubuntu:Ubuntu下安装Anaconda和Tensorflow的简介、入门、安装流程之详细攻略(一)
Ubuntu:Ubuntu下安装Anaconda和Tensorflow的简介、入门、安装流程之详细攻略

热门文章

最新文章