TensorFlowを使用して自動MPGデータセットで予測を行う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。研究や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。これらは、次の3つの主要な属性を使用して識別できます。

• ランク −テンソルの次元について説明します。これは、テンソルの順序または定義されたテンソルの次元数として理解できます。

• タイプ −テンソルの要素に関連付けられたデータ型について説明します。 1次元、2次元、またはn次元のテンソルにすることができます。

• 形状 −これは行と列を合わせた数です。

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（グラフィックプロセッシングユニット）に無料でアクセスできます。 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("Predictions being viewed as a function of input variable")
x = tf.linspace(0.0, 250, 251)
y = hrspwr_model.predict(x)

def plot_horsepower(x, y):
   plt.scatter(train_features['Horsepower'], train_labels, label='Actual Values')
   plt.plot(x, y, color='g', label='Prediction')
   plt.xlabel('Horsepower')
   plt.ylabel('MPG')
   plt.legend()

plot_horsepower(x,y)

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

出力

説明

• 予測は「MPG」に対して行われます。

• 実際の値と予測は、「matplotlib」を使用してプロットされます。

• モデルの予測は、入力データの関数として表示されます。