100 mujeres dicen... #tensorflow #clasificación

Seguramente al leer el título llegan a tu mente gran cantidad de situaciones, se entiende, luego me cuentas tu opinión!. En este artículo el caso propone alimentar un modelo de clasificación en #tensorflow utilizando información de una social-survey donde mujeres opinan sobre las características de una parejas ideal.  Podrá #tensorflow ayudarnos a clasificar esta información?
Cada una de las mujeres clasifica con preguntas simple como es un hombre [#Tirano, #Aventurero, #Apasionado]. Esta información está almacenada en #Bigquery [se podrían utilizar otro métodos de almacenamiento, pero sin pensamos en la escala esta opción es muy atractiva].

Ahora, a este conjunto de datos lo vamos a utilizar para entrenar nuestro modelo en  #tensorflow. [podemos integrar directamente la información desde #Bigquery mediante API o podemos descargar un csv y entrenar el modelo de forma clásica].

Vamos a utilizar  tf.contrib.learn[link] esta API de alto nivel para hacer más simple la configuración del modelo. 

Vamos a usar un modelo de clasificación, con función de activación tauh, sin optimizador con 3 capas de neuronas ocultas 10, 20, 10 respectivamente. [luego podemos variar y estudiar en detalle el comportamiento y varias estos valores] y 3 classes de salida [0(tirano)-1(aventurero)-2(apasionado)], finalmente utilizaremos diferentes valores en las iteraciones. [hasta las #300]

[tensorflow v0.9]
clasificador = tf.contrib.learn.DNNClassifier(hidden_units=[10, 20, 10], activation_fn=nn.tanh,
n_classes=3)

Vamos a analizar la exactitud del modelo con un conjunto de prueba de valores también:
valor_exactitud = clasificador.evaluate(x=x_test, y=y_test)["accuracy"]
print('exactitud: {0:f}'.format(valor_exactitud))




Ejecutemos el modelo a ver cómo se comporta:
El modelo se entrena, muestra una exactitud de 95% y al utilizar 3 ingresos [correspondientes al score de las preguntas 7.4, 3.8, 6.6] determina que para estos valores y basado en la opinión de 100 mujeres es un hombre apasionado...

Si ampliamos los valores de entrenamiento podemos representar todo el conocimiento de estas respuestas en un modelo de aprendizaje automático muy poderoso. El presente y futuro se propone por elementos como #tensorflow, has pensado en esto para tu empresa, universidad, startup, etc?

Licencia Creative Commons
100 mujeres dicen... #tensorflow #clasificación por Nicolas Bortolotti se distribuye bajo una Licencia Creative Commons Atribución-CompartirIgual 4.0 Internacional.

Entradas más populares de este blog

7 arquetipos #Polymer 1.0 puntos esenciales prácticos

El potencial de la nube en 5 pasos desde Buenos Aires y junto al ecosistema regional

Iniciando la representación de una mobile-web-page pensando en el rendimiento - Parte 1