Exemple de tutoriel TFLearn comment réseau de convulation sait ce dont nous avons besoin?

Question

Vous voulez poser une question.

Je commence à étudier le TFLearn et ai testé les données du Titanic. Mais je ne comprends pas comment le réseau sait que nous avons besoin de ce numéro de survie manquant dans les données de test? Que se passera-t-il si j'ajoute la survie et cache le champ de genre dans les données de test?

# change dicaprio and winslet into prepared process data by hard code 
# add the survival class back and remove the gender field. 
dicaprio = [0., 3., 19., 0., 0., 5.0000] 
winslet = [1.,1., 17., 1., 2., 100.0000] 

Ensuite, je reçois deux nombre après l'exécution de l'échantillon. Je ne sais pas ce que le sens du nombre, donc je supprimer l'étiquette du résultat, il se présentent comme ceci:

DiCaprio Rate: 0.99953 
Winslet Rate: 0.92489 

Ainsi, les deux sont des filles?

Answer 1

La raison pour laquelle nous utilisons Survival séparément est que c'est la valeur cible. Nous essayons de savoir si les gens vivraient ou mourraient.

Veuillez utiliser le cas de test du tutoriel tflearn (qui représente les peuples du film titanique). Le résultat montre la probabilité de survie.

Vous pouvez également le faire avec le sexe. Cela imprimera la probabilité d'être une femme.

Bonne chance pour vos études.