泰坦尼克号数据集

Kaggle平台泰坦尼克号数据集+源代码+注释

import numpy as np
import pandas as pd
import tensorflow as tf
from sklearn.model_selection import train_test_split

################################
# Preparing Data
################################

# read data from file
data = pd.read_csv（‘train.csv‘）

# fill nan values with 0
data = data.fillna（0）
# convert [‘male‘ ‘female‘] values of Sex to [1 0]
data[‘Sex‘] = data[‘Sex‘].apply（lambda s: 1 if s == ‘male‘ else 0）
# ‘Survived‘ is the label of one class
# add ‘Deceased‘ as the other class
data[‘Deceased‘] = data[‘Survived‘].apply（lambda s: 1 - s）

# select features and labels for training
dataset_X = data[[‘Sex‘ ‘Age‘ ‘Pclass‘ ‘SibSp‘ ‘Parch‘ ‘Fare‘]].as_matrix（）
dataset_Y = data[[‘Deceased‘ ‘Survived‘]].as_matrix（）

# split training data and validation set data
X_train X_val y_train y_val = train_test_split（dataset_X dataset_Y
                                                  test_size=0.2
                                                  random_state=42）

################################
# Constructing Dataflow Graph
################################

# create symbolic variables
X = tf.placeholder（tf.float32 shape=[None 6]）
y = tf.placeholder（tf.float32 shape=[None 2]）

# weights and bias are the variables to be trained
weights = tf.Variable（tf.random_normal（[6 2]） name=‘weights‘）
bias = tf.Variable（tf.zeros（[2]） name=‘bias‘）
y_pred = tf.nn.softmax（tf.matmul（X weights） + bias）

# Minimise cost using cross entropy
# NOTE: add a epsilon（1e-10） when calculate log（y_pred）
# otherwise the result will be -inf
cross_entropy = - tf.reduce_sum（y * tf.log（y_pred + 1e-10）
                                reduction_indices=1）
cost = tf.reduce_mean（cross_entropy）

# use gradient descent optimizer to minimize cost
train_op = tf.train.GradientDescentOptimizer（0.001）.minimize（cost）

# calculate accuracy
correct_pred = tf.equal（tf.argmax（y 1） tf.argmax（y_pred 1））
acc_op = tf.reduce_mean（tf.cast（correct_pred tf.float32））

################################
# Training and Evaluating the model
################################

# use session to run the calculation
with tf.Session（） as sess:
    # variables have to be initialized at the first place
    tf.global_variables_initializer（）.run（）

    # training loop
    for epoch in range（10）:
        total_loss = 0.
        for i in range（len（X_train））:
            # prepare feed data and run
            feed_dict = {X: [X_train[i]] y: [y_train[i]]}
            # print（“x_train“）
            #print（X_train[i]）
            _ loss = sess.run（[train_op cost] feed_dict=feed_dict）
            print（“number:“+str（i））
            print（sess.run（y_predfeed_dict=feed_dict））
            total_loss += loss
        # display loss per epoch
        #print（‘Epoch: %04d total loss=%.9f‘ % （epoch + 1 total_loss））

    # Accuracy calculated by TensorFlow
    accuracy = sess.run（acc_op feed_dict={X: X_val y: y_val}）
    

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     文件       26694  2018-04-27 11:42  Titannic\Taitan_onehot.csv
     文件        3914  2018-04-27 12:41  Titannic\example1.py
     文件        5864  2018-04-25 22:00  Titannic\example2.py
     文件        3258  2018-04-25 16:32  Titannic\gender_submission.csv
     文件       28629  2018-04-25 16:32  Titannic\test.csv
     文件       61194  2018-04-25 16:32  Titannic\train.csv
     目录           0  2018-04-27 13:18  Titannic\