今天學習用 tf.contrib.learn 來建立 DNN 對 Iris 資料集進行分類.

問題：
我們有 Iris 資料集，它包含150個樣本資料，分別來自三個品種，每個品種有50個樣本，每個樣本具有四個特徵，以及它屬於哪一類，分別由 0，1，2 代表三個品種。
我們將這150個樣本分為兩份，一份是訓練集具有120個樣本，另一份是測試集具有30個樣本。
我們要做的就是建立一個神經網路分類模型對每個樣本進行分類，識別它是哪個品種。

一共有 5 步：

• 匯入 CSV 格式的資料集
• 建立神經網路分類模型
• 用訓練資料集訓練模型
• 評價模型的準確率
• 對新樣本資料進行分類

程式碼：

from __future__ import
 
 absolute_import
from __future__ import division
from __future__ import print_function

import os
import urllib

import numpy as np
import tensorflow as tf

# Data sets
IRIS_TRAINING = "iris_training.csv"
IRIS_TRAINING_URL = "http://download.tensorflow.org/data/iris_training.csv"

IRIS_TEST = "iris_test.csv"
 

IRIS_TEST_URL = "http://download.tensorflow.org/data/iris_test.csv"

def main():
  # If the training and test sets aren't stored locally, download them.
  if not os.path.exists(IRIS_TRAINING):
    raw = urllib.urlopen(IRIS_TRAINING_URL).read()
    with open(IRIS_TRAINING, "w") as f:
      f.write(raw)

  if
 
 not os.path.exists(IRIS_TEST):
    raw = urllib.urlopen(IRIS_TEST_URL).read()
    with open(IRIS_TEST, "w") as f:
      f.write(raw)

  # Load datasets.
  training_set = tf.contrib.learn.datasets.base.load_csv_with_header(
      filename=IRIS_TRAINING,
      target_dtype=np.int,
      features_dtype=np.float32)
  test_set = tf.contrib.learn.datasets.base.load_csv_with_header(
      filename=IRIS_TEST,
      target_dtype=np.int,
      features_dtype=np.float32)

  # Specify that all features have real-value data
  feature_columns = [tf.contrib.layers.real_valued_column("", dimension=4)]

  # Build 3 layer DNN with 10, 20, 10 units respectively.
  classifier = tf.contrib.learn.DNNClassifier(feature_columns=feature_columns,
                                              hidden_units=[10, 20, 10],
                                              n_classes=3,
                                              model_dir="/tmp/iris_model")
  # Define the training inputs
  def get_train_inputs():
    x = tf.constant(training_set.data)
    y = tf.constant(training_set.target)

    return x, y

  # Fit model.
  classifier.fit(input_fn=get_train_inputs, steps=2000)

  # Define the test inputs
  def get_test_inputs():
    x = tf.constant(test_set.data)
    y = tf.constant(test_set.target)

    return x, y

  # Evaluate accuracy.
  accuracy_score = classifier.evaluate(input_fn=get_test_inputs,
                                       steps=1)["accuracy"]

  print("\nTest Accuracy: {0:f}\n".format(accuracy_score))

  # Classify two new flower samples.
  def new_samples():
    return np.array(
      [[6.4, 3.2, 4.5, 1.5],
       [5.8, 3.1, 5.0, 1.7]], dtype=np.float32)

  predictions = list(classifier.predict(input_fn=new_samples))

  print(
      "New Samples, Class Predictions:    {}\n"
      .format(predictions))

if __name__ == "__main__":
    main()

從程式碼可以看出很簡短的幾行就可以完成之前學過的很長的程式碼所做的事情，用起來和用 sklearn 相似。

可以看到裡面也有 kmeans，logistic，linear 等模型：

在上面的程式碼中：

• 用 tf.contrib.learn.datasets.base.load_csv_with_header 可以匯入 CSV 資料集。
• 分類器模型只需要一行程式碼，就可以設定這個模型具有多少隱藏層，每個隱藏層有多少神經元，以及最後分為幾類。
• 模型的訓練也是隻需要一行程式碼,輸入指定的資料，包括特徵和標籤，再指定迭代的次數，就可以進行訓練。
• 獲得準確率也同樣很簡單,只需要輸入測試集,呼叫 evaluate。
• 預測新的資料集,只需要把新的樣本資料傳遞給 predict。

關於程式碼裡幾個新的方法：

1. load_csv_with_header():

用於匯入 CSV，需要三個必需的引數：

• filename，CSV檔案的路徑
• target_dtype，資料集的目標值的numpy資料型別。
• features_dtype，資料集的特徵值的numpy資料型別。

在這裡，target 是花的品種，它是一個從 0-2 的整數，所以對應的numpy資料型別是np.int

2. tf.contrib.layers.real_valued_column:

所有的特徵資料都是連續的，因此用 tf.contrib.layers.real_valued_column,資料集中有四個特徵（萼片寬度，萼片高度，花瓣寬度和花瓣高度），因此 dimension=4 。

feature_columns = [tf.contrib.layers.real_valued_column("", dimension=4)]

3. DNNClassifier：

• feature_columns=feature_columns, 上面定義的一組特徵
• hidden_units=[10, 20, 10],三個隱藏層分別包含10，20，10個神經元。
• n_classes=3,三個目標類，代表三個 Iris 品種。
• model_dir=/tmp/iris_model,TensorFlow在模型訓練期間將儲存 checkpoint data。

在後面會學到關於 TensorFlow 的 logging and monitoring 的章節，可以 track 一下訓練中的模型： “Logging and Monitoring Basics with tf.contrib.learn”。