|
#以下是完整程序——对iris数据进行分类(网上找的)
from __future__ import absolute_import
from __future__ import division
from __future__ import print_function
import tensorflow as tf
import numpy as np
#第1步:导入数据
# Data sets
IRIS_TRAINING = "iris_training.csv"
IRIS_TEST = "iris_test.csv"# 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)
#第2步:构建深度神经网络分类模型
# 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")
#tf.contrib.learn.SKCompat(
#第3步:在训练集上进行训练
# Fit model.classifier.fit(x=training_set.data,
y=training_set.target,
steps=2000)
#第4步:评估模型的精度
# Evaluate accuracy.
accuracy_score = classifier.evaluate(x=test_set.data,
y=test_set.target)["accuracy"]
print('Accuracy: {0:f}'.format(accuracy_score))
#第5步:预测新的数据
# Classify two new flower samples.
new_samples = np.array(
[[6.4, 3.2, 4.5, 1.5], [5.8, 3.1, 5.0, 1.7]], dtype=float)
y = list(classifier.predict(new_samples, as_iterable=True))
print('Predictions: {}'.format(str(y)))
提示:这个程序运行可能会有警告,但是最后结果正确,返回值是0就代表没错
我现在的问题是:怎么将iris数据换成自己的数据,iris数据是csv格式的,我的数据是excel格式,我把我的数据另存为csv格式后,载入到该程序中有错误,我觉得是因为我的数据格式还是不正确,请问问各位大神:应该怎么处理自己的数据,让自己的数据符合要求??
我的数据
我的数据
iris数据
|
-
iris数据
|