在本教程中，您将学习使用TFLearn和tensorflow评估泰坦尼克号乘客幸存的机会，数据根据是利用他们的个人信息（如性别、年龄等）。为了解决这一经典的机器学习任务，我们要建立一个深神经网络分类器。
准备工作：首先按照指引安装好tensorflow 和 tflearn。
1912年4月15日，泰坦尼克号撞上冰山后沉没，造成2224名乘客和机组人员中1502人死亡。虽然在这场事故中生存下来存在一些运气因素，但是一些群体如妇女、儿童和船体上层人员生存概率更大。在本教程中，我们进行了分析，找出这些人是谁。
数据集
TFlearn会自动下载泰坦尼克号的下面数据：
VARIABLE DESCRIPTIONS:
survived Survived
(0 = No; 1 = Yes)
pclass Passenger Class
(1 = 1st; 2 = 2nd; 3 = 3rd)
name Name
sex Sex
age Age
sibsp Number of Siblings/Spouses Aboard
parch Number of Parents/Children Aboard
ticket Ticket Number
fare Passenger Fare
|
建立分类器
数据集存储在csv文件中，能够使用TFlearn的load_csv()函数加载数据，使用target_column作为存活与否的标签，也就是数据集第一列survived，函数返回一对数组(data, label)
import numpy as np
import tflearn
# Download the Titanic dataset
from tflearn.datasets import titanic
titanic.download_dataset('titanic_dataset.csv')
# Load CSV file, indicate that the first column represents labels
from tflearn.data_utils import load_csv
data, labels = load_csv('titanic_dataset.csv', target_column=0,
categorical_labels=True, n_classes=2)
|
预处理
数据作预先处理，数据中name对于预测没有什么用处，取消name和ticket两个字段；其次，神经网络只能处理数字，因此，将sex字段男女转为数字0或1。
# Preprocessing function
def preprocess(data, columns_to_ignore):
# Sort by descending id and delete columns
for id in sorted(columns_to_ignore, reverse=True):
[r.pop(id) for r in data]
for i in range(len(data)):
# Converting 'sex' field to float (id is 1 after removing labels column)
data[i][1] = 1. if data[i][1] == 'female' else 0.
return np.array(data, dtype=np.float32)
# Ignore 'name' and 'ticket' columns (id 1 & 6 of data array)
to_ignore=[1, 6]
# Preprocess data
data = preprocess(data, to_ignore)
|
建立深度神经网络
我们使用TFLearn建立一个3层神经网络，需要规定输入数据的形态，每个样本有6个特征，我们按批次处理可以节省内存，我们的数据输入形态是 [None, 6] ，其中None代码不知道维度，我们能改变批处理中被处理后的样本总数量。
# Build neural network
net = tflearn.input_data(shape=[None, 6])
net = tflearn.fully_connected(net, 32)
net = tflearn.fully_connected(net, 32)
net = tflearn.fully_connected(net, 2, activation='softmax')
net = tflearn.regression(net)
|
训练
TFLearn提供DNN包装器自动执行神经网络分类任务，比如训练 预测和保存恢复等，我们训练10次，神经网络10次会看到全部数据，每次批处理大小是16：
# Define model
model = tflearn.DNN(net)
# Start training (apply gradient descent algorithm)
model.fit(data, labels, n_epoch=10, batch_size=16, show_metric=True)
|
输出结果：
---------------------------------
Run id: MG9PV8
Log directory: /tmp/tflearn_logs/
---------------------------------
Training samples: 1309
Validation samples: 0
--
Training Step: 82 | total loss: 0.64003
| Adam | epoch: 001 | loss: 0.64003 - acc: 0.6620 -- iter: 1309/1309
--
Training Step: 164 | total loss: 0.61915
| Adam | epoch: 002 | loss: 0.61915 - acc: 0.6614 -- iter: 1309/1309
--
Training Step: 246 | total loss: 0.56067
| Adam | epoch: 003 | loss: 0.56067 - acc: 0.7171 -- iter: 1309/1309
--
Training Step: 328 | total loss: 0.51807
| Adam | epoch: 004 | loss: 0.51807 - acc: 0.7799 -- iter: 1309/1309
--
Training Step: 410 | total loss: 0.47475
| Adam | epoch: 005 | loss: 0.47475 - acc: 0.7962 -- iter: 1309/1309
--
Training Step: 492 | total loss: 0.51677
| Adam | epoch: 006 | loss: 0.51677 - acc: 0.7701 -- iter: 1309/1309
--
Training Step: 574 | total loss: 0.48988
| Adam | epoch: 007 | loss: 0.48988 - acc: 0.7891 -- iter: 1309/1309
--
Training Step: 656 | total loss: 0.55073
| Adam | epoch: 008 | loss: 0.55073 - acc: 0.7427 -- iter: 1309/1309
--
Training Step: 738 | total loss: 0.50242
| Adam | epoch: 009 | loss: 0.50242 - acc: 0.7854 -- iter: 1309/1309
--
Training Step: 820 | total loss: 0.41557
| Adam | epoch: 010 | loss: 0.41557 - acc: 0.8110 -- iter: 1309/1309
--
|
模型完成训练准确率达到81%，说明它对全部乘客存活与否能够有81%准确率。
下面我们试用这个模型，将泰坦尼克电影中男女主角杰克和露丝的资料输入：
# Let's create some data for DiCaprio and Winslet
dicaprio = [3, 'Jack Dawson', 'male', 19, 0, 0, 'N/A', 5.0000]
winslet = [1, 'Rose DeWitt Bukater', 'female', 17, 1, 2, 'N/A', 100.0000]
# Preprocess data
dicaprio, winslet = preprocess([dicaprio, winslet], to_ignore)
# Predict surviving chances (class 1 results)
pred = model.predict([dicaprio, winslet])
print("DiCaprio Surviving Rate:", pred[0][1])
print("Winslet Surviving Rate:", pred[1][1])
|
输出结果是：
DiCaprio Surviving Rate: 0.13849584758281708
Winslet Surviving Rate: 0.92201167345047
预测露丝有92的高概率生存，而杰克则相反。
更普遍的是，通过这项研究表明，第一层的妇女和儿童的乘客有最高的机会生存，而第三层的男乘客有最低。
tflearn/quickstart.md at master · tflearn/tflearn