Numpy Tensorflow高级估计的预处理数据集
我来自Scikit学习背景。 我很难理解如何为Tensorflow预处理数据集 我正在尝试用iris数据集实现svm。 如果我有两个numpy数组,一个包含特征列表,另一个包含标签列表,我将使用哪些函数来创建分类器Numpy Tensorflow高级估计的预处理数据集,numpy,tensorflow,scikit-learn,Numpy,Tensorflow,Scikit Learn,我来自Scikit学习背景。 我很难理解如何为Tensorflow预处理数据集 我正在尝试用iris数据集实现svm。 如果我有两个numpy数组,一个包含特征列表,另一个包含标签列表,我将使用哪些函数来创建分类器 estimator = SVM( example_id_column='example_id', feature_columns=[real_feature_column, sparse_feature_column], l2_regularization=1
estimator = SVM(
example_id_column='example_id',
feature_columns=[real_feature_column, sparse_feature_column],
l2_regularization=10.0)
我假设example\u id\u列是
example_id_column = '0,1,2'
我不确定如何获得功能列我认为最有效的方法是使用
TFRecords
文件。还有一个可用的方法仍然是最相关的。这还有一个优点,即允许您将更多管道定义为图形的一部分,能够从源文件执行并发读取,并且不需要将数据集放入内存中。这绝对值得努力