Python tf.compat.v1.estimator.BaselineEstimator用法及代码示例

可以建立简单基线的估计器。

警告：不建议将估算器用于新代码。估算器运行tf.compat.v1.Session-style 代码更难正确编写，并且可能出现意外行为，尤其是与 TF 2 代码结合使用时。估算器确实属于我们的兼容性保证，但不会收到除安全漏洞以外的任何修复。见迁移指南详情。

继承自：Estimator

用法

tf.compat.v1.estimator.BaselineEstimator(
    head, model_dir=None, optimizer='Ftrl', config=None
)

估计器使用用户指定的头部。

该估计器忽略特征值，将学习预测每个标签的平均值。例如：对于single-label 分类问题，这将预测标签中看到的类的概率分布。对于多标签分类问题，它将预测包含每个类的示例的比例。

例子：

# Build baseline multi-label classifier.
estimator = tf.estimator.BaselineEstimator(
    head=tf.estimator.MultiLabelHead(n_classes=3))

# Input builders
def input_fn_train:
  # Returns tf.data.Dataset of (x, y) tuple where y represents label's class
  # index.
  pass

def input_fn_eval:
  # Returns tf.data.Dataset of (x, y) tuple where y represents label's class
  # index.
  pass

# Fit model.
estimator.train(input_fn=input_fn_train)

# Evaluates cross entropy between the test and train labels.
loss = estimator.evaluate(input_fn=input_fn_eval)["loss"]

# For each class, predicts the ratio of training examples that contain the
# class.
predictions = estimator.predict(new_samples)

train 和 evaluate 的输入应具有以下特征，否则会出现 KeyError ：

• 如果 weight_column 在 head 构造函数(而不是 None )中为传递给 BaselineEstimator 构造函数的头部指定了 key=weight_column ，其值为 Tensor 。