Question

我正在尝试使用skflow使用DNN执行非线性回归我已经成功地根据我的需要调整了波士顿的例子我从像

这样的CSV文件加载我的训练数据集

# Load dataset
us_data = tf.contrib.learn.datasets.base.load_csv(filename="./input.csv", target_dtype=np.float, has_header=False)
x, y = us_data.data, us_data.target

# Split dataset into train / test
x_train, x_test, y_train, y_test = cross_validation.train_test_split(x, y, test_size=0.2, random_state=42)

我的CSV文件的组织方式如下：

INPUT-1, INPUT-2, ..., INPUT-N, DESIRED-OUTPUT

我希望能够使用DNNRegressor类的weight_column_name args来提升一些示例

目前我称之为：

# Build 3 layer fully connected DNN with 34,23,12 units respectively.
feature_columns = learn.infer_real_valued_columns_from_input(x_train)
regressor = learn.DNNRegressor(
  feature_columns=feature_columns, hidden_units=[34, 23, 12], model_dir='./model')

我想将每个示例的权重（作为0到100之间的浮点数）添加为CSV文件的第一个或最后一个条目，如下所示：

WEIGHT, INPUT-1, INPUT-2, ..., INPUT-N, DESIRED-OUTPUT

或

INPUT-1, INPUT-2, ..., INPUT-N, DESIRED-OUTPUT, WEIGHT

我需要对我的程序进行修改才能做到这一点吗？我没有在示例中看到weight_column_name arg的任何使用，所以我不知道如何使用它。请注意，我不是Python程序员，所以不要犹豫，添加“琐碎”的信息请注意，示例的权重不应作为神经网络

中的输入

在sklearn DNNRegressor中提升示例

0 个答案: