Erste Schritte mit Scikit Flow (Scikit-learn + TensorFlow = Scikit Flow)

scikit-learn ist eine High-Level Machine Learning Algorithmen Bibliothek die es ermöglicht in wenigen Zeilen Code ein Model zu erstellen. Es gibt ein Interface für Tensorflow (inzwischen direkt Teil vom Github Tensorflow Projekt) genannt Scikit Flow. Neben diverser Machine Learning Algorithmen sind auch nützliche Hilfsfunktionen wie das Einlesen von CSV Files abgebildet.

Folgende Schritte sind vorab notwendig/empfohlen:
Schritt 1: Jupyter mit Tensorflow virtualenv installieren

In das Tensorflow virtaulenv wechseln

#tensorflow virtualenv starten
source ~/tensorflow/bin/activate

Installiert ist Scikit Flow schnell (hier inkl. paar hilfreicher Pakete)

#install Sci Flow & Co.
pip install numpy scipy sklearn pandas

Hier das selbe nochmal für python3 (kann zusätzlich gemacht werden)

#install Sci Flow & Co.
sudo pip3 install numpy scipy sklearn pandas

Hier beispielhaft ein Linear Classifier

#import Scikit Flow and pandas
from sklearn import datasets, metrics

iris = datasets.load_iris()
classifier = learn.TensorFlowLinearClassifier(n_classes=3)
classifier.fit(iris.data, iris.target)
score = metrics.accuracy_score(iris.target, classifier.predict(iris.data))
print("Accuracy: %f" % score)

Weitere Beispiele gibt es auf Github skflow examples