TensorFlowでAuto MPGデータセットを正規化して燃費（MPG）を予測する方法

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と組み合わせることで、機械学習アルゴリズムやディープラーニングアプリケーションの実装が可能になります。Windows環境では、以下のコマンドで「tensorflow」パッケージをインストールできます。

pip install tensorflow

Tensor（テンソル）とは

テンソルはTensorFlowで使用される基本的なデータ構造であり、フロー図の中のエッジ（辺）をつなぐ役割を担います。このフロー図は「データフローグラフ」と呼ばれています。テンソルの実体は、多次元配列またはリストにほかなりません。

回帰問題とは

回帰問題の目的は、価格や確率、雨が降るかどうかといった連続値・離散値の出力を予測することです。本記事では、その代表的な例として自動車の燃費予測を取り上げます。

Auto MPGデータセットについて

ここで使用するのは「Auto MPG」と呼ばれるデータセットです。1970年代〜1980年代の自動車の燃費効率が収録されており、重量、馬力、排気量などの属性が含まれています。これらの情報をもとに、特定の車両の燃費効率を予測することが目標となります。

実行環境：Google Colaboratory

以下のコードは、Google Colaboratory上で実行しています。Google Colab（Colaboratory）を利用すると、ブラウザ上で直接Pythonコードを実行でき、事前の環境設定は一切不要です。さらに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。

コード例

print("特徴量からラベルを分離します")
train_features = train_dataset.copy()
test_features = test_dataset.copy()

train_labels = train_features.pop('MPG')
test_labels = test_features.pop('MPG')
print("訓練データセットの平均と標準偏差：")
train_dataset.describe().transpose()[['mean', 'std']]
print("スケールが異なるため、特徴量を正規化します")
print("正規化レイヤーを作成します")
normalizer = preprocessing.Normalization()
normalizer.adapt(np.array(train_features))
print(normalizer.mean.numpy())
first = np.array(train_features[3:4])
print("すべての特徴量が個別に正規化されます")
with np.printoptions(precision=2, suppress=True):
    print('最初のサンプルは :', first)
    print()
    print('正規化されたデータ :', normalizer(first).numpy())

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

出力結果

特徴量からラベルを分離します
訓練データセットの平均と標準偏差：
スケールが異なるため、特徴量を正規化します
正規化レイヤーを作成します
[ 5.467 193.847 104.135 2976.88 15.591 75.934 0.168 0.197
0.635]
すべての特徴量が個別に正規化されます
最初のサンプルは : [[ 4. 105. 63. 2125. 14.7 82. 0. 0. 1. ]]

正規化されたデータ : [[-0.87 -0.87 -1.11 -1.03 -0.33 1.65 -0.45 -0.5 0.76]]

コードの解説

• まず、目的変数（ラベル）である「MPG」を説明変数（特徴量）から分離します。
• ラベルとは、モデルが予測できるよう学習すべき値のことです。
• 各特徴量はスケールが大きく異なるため、学習を安定させるために正規化を行います。
• TensorFlowの「Normalization」関数を使うことで、データの前処理を簡単に行えます。
• 正規化レイヤーを作成すると、その中にデータの平均と分散が保存されます。
• このレイヤーを呼び出すと、すべての特徴量が正規化済みの入力データが返されます。