TensorFlowでAuto MPGデータセットを使ってモデルをデータに適合させる方法

TensorFlowはGoogleが提供する機械学習フレームワークです。オープンソースとして公開されており、Pythonと組み合わせてアルゴリズムやディープラーニングアプリケーションなどを実装できます。研究用途から本番環境まで幅広く活用されています。

Windowsに「tensorflow」パッケージをインストールするには、以下のコマンドを実行します。

pip install tensorflow

テンソル（Tensor）はTensorFlowにおける基本的なデータ構造です。フロー図の中で各ノードをつなぐ役割を担っており、このフロー図は「データフローグラフ」と呼ばれます。テンソルとは、要するに多次元配列あるいはリストのことです。

回帰問題の目的は、価格や確率、雨が降るかどうかなど、連続値または離散値の出力を予測することにあります。

ここで使用するデータセットは「Auto MPG」です。1970年代〜1980年代の自動車の燃費データを含んでおり、重量、馬力、排気量などの属性が収録されています。これらの情報をもとに、特定の車両の燃費効率を予測します。

以下のコードはGoogle Colaboratory上で実行しています。Google Colab（Colaboratory）はブラウザ上でPythonコードを実行できるサービスで、事前の設定が一切不要で、GPU（グラフィックス処理装置）にも無料でアクセスできます。ColaboratoryはJupyter Notebookをベースに構築されています。以下がコードスニペットです。

コード例

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()

コード出典： https://www.tensorflow.org/tutorials/keras/regression

出力結果

解説

• 「fit」関数を使用して、訓練データをモデルに適合させます。

• 「epochs」属性で学習の繰り返し回数（エポック数）を指定します。ここでは150エポックに設定しています。

• 「verbose=0」を指定すると、学習中の進捗ログが非表示になります。

• 「validation_split = 0.3」とすると、訓練データの30%が検証用データとして確保され、過学習のチェックに役立ちます。

• 「history」オブジェクトには、入力データに関連する統計情報（損失や精度など）の推移が記録されます。

• 記録された履歴はPandasのデータフレームに変換されます。

• 「tail()」により、データの末尾部分がコンソールに表示されます。

• さらに、学習の経過は可視化され、損失の変化などを確認できます。