TensorFlowデータセットを使用した分類

Question

プロジェクトには、その属性に基づいてアイテムを特定のクラス（1、2、または3）に分類するために、TensorFlowを活用する必要があります。

ほとんどすべてのTFチュートリアルや問題は、オンラインで見つけたのは画像認識やテキスト分類です。私は数に基づいて分類について何も見つけることができません。私は何を求めているのかは、どこから始めるべきかということです。誰かが関連する事例を知っている場合、または私はこれについて完全に間違っていると思っている場合。

各アイテムには13の属性が与えられており、TFニューラルネットワークを使用して各アイテムを正しく分類する（またはエラーのマージンをマークする）必要があります。しかし、オンラインでは、この種のデータセットから始める方法さえわかりません。データセットの

例：

2, 11.84, 2.89, 2.23, 18, 112, 1.72, 1.32, 0.43, 0.95, 2.65, 0.96, 2.52, 500 
3, 13.69, 3.26, 2.54, 20, 107, 1.83, 0.56, 0.5, 0.8, 5.88, 0.96, 1.82, 680 
3, 13.84, 4.12, 2.38, 19.5, 89, 1.8, 0.83, 0.48, 1.56, 9.01, 0.57, 1.64, 480 
2, 11.56, 2.05, 3.23, 28.5, 119, 3.18, 5.08, 0.47, 1.87, 6, 0.93, 3.69, 465 
1, 14.06, 1.63, 2.28, 16, 126, 3, 3.17, 0.24, 2.1, 5.65, 1.09, 3.71, 780 

Answer 1

あなたは、data.txtをし、ファイル内のデータがあると（最初の値がクラスで、他の値は属性です）。あなたは「np.transpose」は、あなたの重みと運用の形状に依存する必要があるかもしれません、おそらくhttp://docs.scipy.org/doc/numpy-1.10.0/reference/generated/numpy.loadtxt.html

：

import numpy as np 
xy = np.loadtxt('data.txt', unpack=True, dtype='float32') 
x_data = xy[1:] 
y_data = xy[0]; 

詳細情報：あなたはこれを読むためにnumpyのを使用することができます。

その後

x_data = np.transpose(xy[1:]) 

は、あなたのモデルをテストする/訓練する「プレースホルダ」と「feed_dict」を使用：

（TFの基本mnist例のように）非convnetsで

X = tf.placeholder("float", ... 
Y = tf.placeholder("float", ... 
.... 
with tf.Session() as sess: 
.... 
     sess.run(optimizer, feed_dict={X:x_data, Y:y_data})