DNN（ディープニューラルネットワーク）モデルを使用して、TensorFlowを使用して自動MPGデータセットのMPG値を予測するにはどうすればよいですか？

Tensorflowは、Googleが提供する機械学習フレームワークです。これは、Pythonと組み合わせて使用​​されるオープンソースのフレームワークであり、アルゴリズム、深層学習アプリケーションなどを実装します。それは研究および生産目的で使用されます。 Tensorは、TensorFlowで使用されるデータ構造です。フロー図のエッジを接続するのに役立ちます。このフロー図は「データフローグラフ」と呼ばれます。テンソルは多次元配列またはリストに他なりません。

「tensorflow」パッケージは、以下のコード行を使用してWindowsにインストールできます-

pip install tensorflow

回帰問題の背後にある目的は、価格、確率、雨が降るかどうかなど、連続変数または離散変数の出力を予測することです。

私たちが使用するデータセットは「自動MPG」データセットと呼ばれます。 1970年代と1980年代の自動車の燃費が含まれています。これには、重量、馬力、排気量などの属性が含まれます。これにより、特定の車両の燃料効率を予測する必要があります。

Google Colaboratoryを使用して、以下のコードを実行しています。 Google ColabまたはColaboratoryは、ブラウザー上でPythonコードを実行するのに役立ち、構成が不要で、GPUへの無料アクセスが必要です

（グラフィック処理ユニット）。 Colaboratoryは、JupyterNotebookの上に構築されています。以下はコードスニペットです-

例

print("Model is being built and compiled")
dnn_model = build_compile_model(normalizer)
print("The statistical summary is displayed ")
dnn_model.summary()

print("The data is being fit to the model")
history = dnn_model.fit(
   train_features, train_labels,
   validation_split=0.2,
   verbose=0, epochs=100)
print("The error versus epoch is visualized")
plot_loss(history)
print("The predictions are being evaluated")
test_results['dnn_model'] = dnn_model.evaluate(test_features, test_labels, verbose=0)

pd.DataFrame(test_results, index=['Mean absolute error [MPG]']).T

コードクレジット-https：//www.tensorflow.org/tutorials/keras/regression

出力

説明

• モデルが構築およびコンパイルされます。

• カウント、平均、中央値などの統計値は、「要約」関数を使用して表示されます。

• このコンパイル済みモデルはデータに適合しています。

• ステップ数と予測の誤差の視覚化がコンソールにプロットされます。

• DNNの使用は、線形回帰と比較して優れています。