TensorFlowを使用したAutoMPGデータセットを使用して、データを分割および検査して燃費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。複雑な数学演算をすばやく実行するのに役立つ最適化手法があります。これは、NumPyと多次元配列を使用しているためです。これらの多次元配列は「テンソル」とも呼ばれます。フレームワークは、ディープニューラルネットワークの操作をサポートします。非常にスケーラブルで、多くの一般的なデータセットが付属しています。

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。

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、TensorFlowを使用したAutoMPGデータセットで燃料効率を予測するためにデータを分割および検査する方法を示すコードスニペットです-

例

print("Splitting the training and testing dataset")
train_dataset = dataset.sample(frac=0.7, random_state=0)
test_dataset = dataset.drop(train_dataset.index)

print("Plotting the training data as a visualization")
sns.pairplot(train_dataset[['MPG', 'Cylinders', 'Displacement', 'Weight']], diag_kind='kde')

print("Understanding the statistics associated with the data")
train_dataset.describe().transpose()

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

出力

Splitting the training and testing dataset
Plotting the training data as a visualization
Understanding the statistics associated with the data

説明

• データがクリーンアップされると、データはトレーニングデータセットとテストデータセットに分割されます。

• データの70％はトレーニングに使用され、残りの30％はテストに使用されます。

• このトレーニングデータは、seabornパッケージを使用してコンソールに視覚化されます。

• カウント、平均、中央値などのデータの統計は、「説明」機能を使用して表示されます。