Google---机器学习速成课程(3.1)-TF/Pandas
2018-03-15 16:44
435 查看
使用 TensorFlow 的起始步骤
[b]学习目标[/b]
了解如何在 TensorFlow 中创建和修改张量。
了解 Pandas 的基础知识。
使用 TensorFlow 的一种高级 API 开发线性回归代码。
尝试不同的学习速率。
[b][b]-------------------------------------------------------[/b][/b]
下图显示了 TensorFlow 工具包的当前层次结构:
[b][b]
[/b][/b]
[b][b]图 1 tensorflow 工具包层次结构[/b][/b]
不同层的用途:
[b][b]
[/b][/b]
[b][b]-------------------------------------------------------
[/b][/b]tf.estimator API我们将使用 tf.estimator 来完成ML速成课程中的大部分练习。您在练习中所做的一切都可以在较低级别(原始)的 TensorFlow 中完成,但使用 tf.estimator 会大大减少代码行数。tf.estimator 与 scikit-learn API 兼容。 scikit-learn 是极其热门的 Python 开放源代码机器学习库,拥有超过 10 万名用户,其中包括许多 Google 员工。
[b]-------------------------------------------------------
[/b]
请按照指定顺序运行以下三项练习:
Pandas 简介。 Pandas 是用于进行数据分析和建模的重要库,广泛应用于 TensorFlow 编码。该教程提供了您学习本课程所需的全部 Pandas 信息。如果您已了解 Pandas,则可以跳过此练习。(本篇介绍Pandas)
使用 TensorFlow 的起始步骤。此练习介绍了线性回归。
合成特征和离群值。此练习介绍了合成特征,以及输入离群值会造成的影响。
-------------------------------------------------------
Pandas 简介。 Pandas 是用于进行数据分析和建模的重要库,广泛应用于 TensorFlow 编码。该教程提供了本课程所需的全部 Pandas 信息。如果已了解 Pandas,则可以跳过此练习。
学习目标:
大致了解 pandas 库的
存取和处理
将 CSV 数据导入 pandas 库的
对
pandas 是一种列存数据分析 API。它是用于处理和分析输入数据的强大工具,很多机器学习框架都支持将 pandas 数据结构作为输入。 虽然全方位介绍 pandas API 会占据很长篇幅,但它的核心概念非常简单,我们会在下文中进行说明。有关更完整的参考,请访问 pandas 文档网站,其中包含丰富的文档和教程资源
-------------------------------------------------------
pd.__version__pandas 中的主要数据结构被实现为以下两类:
数据框架是用于数据操控的一种常用抽象实现形式。Spark 和 R 中也有类似的实现。创建
population = pd.Series([852469, 1015785, 485199])
pd.DataFrame({ 'City name': city_names, 'Population': population })但是在大多数情况下,需要将整个文件加载到
print type(cities['City name'])
cities['City name']
-------------------------------------------------------
np.log(population)
cities['Population density'] = cities['Population'] / cities['Area square miles']
cities-------------------------------------------------------
城市以圣人命名。
城市面积大于 50 平方英里。
注意:布尔值
cities
-------------------------------------------------------
-------------------------------------------------------
以上整理转载在谷歌出品的机器学习速成课程点击打开链接 侵删!
[b]学习目标[/b]
了解如何在 TensorFlow 中创建和修改张量。
了解 Pandas 的基础知识。
使用 TensorFlow 的一种高级 API 开发线性回归代码。
尝试不同的学习速率。
[b][b]-------------------------------------------------------[/b][/b]
下图显示了 TensorFlow 工具包的当前层次结构:
[b][b]
[/b][/b]
[b][b]图 1 tensorflow 工具包层次结构[/b][/b]
不同层的用途:
[b][b]
[/b][/b]
[b][b]-------------------------------------------------------
[/b][/b]tf.estimator API我们将使用 tf.estimator 来完成ML速成课程中的大部分练习。您在练习中所做的一切都可以在较低级别(原始)的 TensorFlow 中完成,但使用 tf.estimator 会大大减少代码行数。tf.estimator 与 scikit-learn API 兼容。 scikit-learn 是极其热门的 Python 开放源代码机器学习库,拥有超过 10 万名用户,其中包括许多 Google 员工。
[b]-------------------------------------------------------
[/b]
请按照指定顺序运行以下三项练习:
Pandas 简介。 Pandas 是用于进行数据分析和建模的重要库,广泛应用于 TensorFlow 编码。该教程提供了您学习本课程所需的全部 Pandas 信息。如果您已了解 Pandas,则可以跳过此练习。(本篇介绍Pandas)
使用 TensorFlow 的起始步骤。此练习介绍了线性回归。
合成特征和离群值。此练习介绍了合成特征,以及输入离群值会造成的影响。
-------------------------------------------------------
Pandas 简介。 Pandas 是用于进行数据分析和建模的重要库,广泛应用于 TensorFlow 编码。该教程提供了本课程所需的全部 Pandas 信息。如果已了解 Pandas,则可以跳过此练习。
学习目标:
大致了解 pandas 库的
DataFrame和
Series数据结构
存取和处理
DataFrame和
Series中的数据
将 CSV 数据导入 pandas 库的
DataFrame
对
DataFrame重建索引来随机打乱数据
pandas 是一种列存数据分析 API。它是用于处理和分析输入数据的强大工具,很多机器学习框架都支持将 pandas 数据结构作为输入。 虽然全方位介绍 pandas API 会占据很长篇幅,但它的核心概念非常简单,我们会在下文中进行说明。有关更完整的参考,请访问 pandas 文档网站,其中包含丰富的文档和教程资源
-------------------------------------------------------
基本概念
以下行导入了 pandas API 并输出了相应的 API 版本:import pandas as pdpd.__version__pandas 中的主要数据结构被实现为以下两类:
DataFrame,您可以将它想象成一个关系型数据表格,其中包含多个行和已命名的列。
Series,它是单一列。
DataFrame中包含一个或多个
Series,每个
Series均有一个名称。
数据框架是用于数据操控的一种常用抽象实现形式。Spark 和 R 中也有类似的实现。创建
Series的一种方法是构建
Series对象。例如:pd.Series(['San Francisco', 'San Jose', 'Sacramento'])
#0 San Francisco #1 San Jose #2 Sacramento #dtype: object可以将映射
string列名称的
dict传递到它们各自的
Series,从而创建
DataFrame对象。如果
Series在长度上不一致,系统会用特殊的 NA/NaN 值填充缺失的值。例如:city_names = pd.Series(['San Francisco', 'San Jose', 'Sacramento'])
population = pd.Series([852469, 1015785, 485199])
pd.DataFrame({ 'City name': city_names, 'Population': population })但是在大多数情况下,需要将整个文件加载到
DataFrame中。下面的示例加载了一个包含加利福尼亚州住房数据的文件。请运行以下单元格以加载数据,并创建特征定义:
california_housing_dataframe = pd.read_csv("https://storage.googleapis.com/mledu-datasets/california_housing_train.csv", sep=",") california_housing_dataframe.describe()上面的示例使用
DataFrame.describe来显示关于
DataFrame的有趣统计信息。另一个实用函数是
DataFrame.head,它显示
DataFrame的前几个记录:california_housing_dataframe.head()pandas 的另一个强大功能是绘制图表。例如,借助
DataFrame.hist,您可以快速了解一个列中值的分布:california_housing_dataframe.hist('housing_median_age')-------------------------------------------------------
访问数据
您可以使用熟悉的 Python dict/list 指令访问DataFrame数据:cities = pd.DataFrame({ 'City name': city_names, 'Population': population })
print type(cities['City name'])
cities['City name']
print type(cities['City name'][1]) cities['City name'][1]
print type(cities[0:2]) cities[0:2]此外,pandas 针对高级索引和选择提供了极其丰富的 API(数量过多,此处无法逐一列出)。
-------------------------------------------------------
操控数据
您可以向Series应用 Python 的基本运算指令。例如:population / 1000.NumPy 是一种用于进行科学计算的常用工具包。pandas
Series可用作大多数 NumPy 函数的参数:import numpy as np
np.log(population)
DataFrames的修改方式也非常简单。例如,以下代码向现有
DataFrame添加了两个
Series:cities['Area square miles'] = pd.Series([46.87, 176.53, 97.92])
cities['Population density'] = cities['Population'] / cities['Area square miles']
cities
-------------------------------------------------------
练习 1
通过添加一个新的布尔值列(当且仅当以下两项均为 True 时为 True)修改cities表格:
城市以圣人命名。
城市面积大于 50 平方英里。
注意:布尔值
Series是使用“按位”而非传统布尔值“运算符”组合的。例如,执行逻辑与时,应使用
&,而不是
and。提示:"San" 在西班牙语中意为 "saint"。cities['Is wide and has saint name'] = (cities['Area square miles'] > 50) & cities['City name'].apply(lambda name: name.startswith('San'))
cities
-------------------------------------------------------
索引
Series 和 DataFrame
对象也定义了 index属性,该属性会向每个
Series项或
DataFrame行赋一个标识符值。默认情况下,在构造时,pandas 会赋可反映源数据顺序的索引值。索引值在创建后是稳定的;也就是说,它们不会因为数据重新排序而发生改变。city_names.index
cities.index调用
DataFrame.reindex以手动重新排列各行的顺序。例如,以下方式与按城市名称排序具有相同的效果:cities.reindex([2, 0, 1])重建索引是一种随机排列
DataFrame的绝佳方式。在下面的示例中,我们会取用类似数组的索引,然后将其传递至 NumPy 的
random.permutation函数,该函数会随机排列其值的位置。如果使用此重新随机排列的数组调用
reindex,会导致
DataFrame行以同样的方式随机排列。 尝试多次运行以下单元格!cities.reindex(np.random.permutation(cities.index))有关详情,请参阅索引文档。
-------------------------------------------------------
练习 2
reindex方法允许使用未包含在原始
DataFrame索引值中的索引值。请试一下,看看如果使用此类值会发生什么!您认为允许此类值的原因是什么?cities.reindex([0, 4, 5, 2])这种行为是可取的,因为索引通常是从实际数据中提取的字符串(请参阅 pandas reindex 文档,查看索引值是浏览器名称的示例)。在这种情况下,如果允许出现“丢失的”索引,您将可以轻松使用外部列表重建索引,因为您不必担心会将输入清理掉。
-------------------------------------------------------
以上整理转载在谷歌出品的机器学习速成课程点击打开链接 侵删!
相关文章推荐
- Google---机器学习速成课程(3.2)-TF
- Google---机器学习速成课程(3.3)-合成特征和离群值
- Google---机器学习速成课程(七)- 特征组合 (Feature Crosses)
- Google---机器学习速成课程(六)- 表示 (Representation)
- Google---机器学习速成课程(四)-泛化Generalization
- Google---机器学习速成课程(十)- 分类 (Classification)
- 机器学习速成课程笔记10:使用TF的基本步骤
- Google---机器学习速成课程(五)-测试集/训练集/验证集Training Test and Validation Sets
- Google---机器学习速成课程(一)-基本概念
- Google---机器学习速成课程(十一)- 稀疏性正则化 (Regularization for Sparsity)
- Google---机器学习速成课程(十二)- 神经网络简介 (Introduction to Neural Networks)
- 谷歌机器学习速成课程——资料集
- 机器学习速成课程笔记4:降低损失 (Reducing Loss)
- google谷歌今日上线基于TensorFlow的机器学习速成课程
- [机器学习速成课程]表示法-学习笔记
- 机器学习速成课程笔记5:降低损失 (Reducing Loss)-梯度下降法
- 机器学习速成课程笔记9:降低损失 (Reducing Loss)-Playground 练习
- 学习了!谷歌今日上线基于TensorFlow的机器学习速成课程(中文版)
- 全程中文:谷歌上线机器学习速成课程
- 机器学习速成课程笔记6:降低损失 (Reducing Loss)-学习速率