基于tensorflow的简单分类应用
背景基于历史数据的派单技术pythontensorflownumpypandans分类问题数据格式小区ID – 产品ID – 保洁员ID(label)目标根据小区ID与产品ID的数据来选择把定单分配给哪个保洁员‘数据准备准备小区数据,将小区名字转为 ID将历史数据打上标签训练、预测代码实现数据验证线性回归方式神经网络方式...
·
这是我第一个深度学习的 demo,再加上数据的原因,所以效果并不好。
不过通过这个项目,算是大至明白了 tensorflow
的开发步骤,还是很开心的。
需求背景
业务需要每天把需要上门的订单分配给保洁员。
这里试着用深度学习分类的方法来试着实现一下。
保洁ID,即最终要分的类别。期望根据 区域ID
,商圈ID
,小区名
这几个值来确认保洁ID(类别
)
数据格式
这几项数据分别是:
- 做单时间戳
- 区域ID
- 商圈ID
- 小区名
- 保洁员ID(即 label)
目标
根据小区ID与产品ID的数据来选择把定单分配给哪个保洁员‘
代码实现
1. 导入依赖
我的 tensorflow
的版是 2.2
,已经自己集成 keras
了。
2. 准备数据
定义类别:
classes
就是最后要分类的数量
将小区数据转变为数字:
合并,获得最终数据
准备训练及验证数据
用数据的 70%
训练,30%
用来验证
3. 定义网络结构
使用 keras
定义一个最简单的全连接网络。
4. 训练
迭代 10 次
开始训练。嗯,效果很差,哈哈。
5. 预测
结果也预测错了。
更多推荐
已为社区贡献1条内容
所有评论(0)