Synthetic features and outliers in TensorFlow basics

简介

• TensorFlow基础教程(二):人工特征构建与异常数据处理
  • • 1.模型设计目的
    • 2.程序实现

TensorFlow入门(二):合成特征与离群值

1.模型目标定义与阐述

• 构造一种复合特征，具体为两个原始特征之间的比值关系
  • 将该复合特征作为线性回归模型的输入变量
  • 通过检测并剔除输入数据中的异常点以增强模型的实用性

鉴于本部分所采用的依然是线性回归算法，因此大部分代码内容与前一节保持一致，区别在于需要定义一个新的复合特征，此处选择将房间数量与人口数量进行比值运算，从而生成一个人均房间数 的特征，具体实现方式如下所示：

    california_housing_dataframe["rooms_per_person"] = (california_housing_dataframe["total_rooms"] / california_housing_dataframe["population"])
    
    
      
    

随后，我们采用多种途径对异常值进行识别，并运用如下函数将 rooms_per_person 的数值限制在 5 以内。

    california_housing_dataframe["room