TensorFlowを使用してAutoMPGデータセットを使用してモデルをデータに適合させ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。研究や生産目的で使用されます。

「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

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。

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。

以下のコードを実行するためにGoogleColaboratoryを使用しています。 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("The training data is being fit to the model ")
history = hrspwr_model.fit(
train_features['Horsepower'], train_labels,
epochs=150,
verbose=0,
validation_split = 0.3)

hist = pd.DataFrame(history.history)
hist['epoch'] = history.epoch
hist.tail()

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

出力

説明

• 「適合」関数を使用して、データをモデルに適合させます。

• ステップ数は「エポック」属性を使用して設定されます。

• 「history」オブジェクトは、入力データに関連付けられた統計の進行状況を保存します。

• データフレームに変換されます。

• データのサンプルがコンソールに表示されます。

• データも視覚化されます。