TensorFlowとAuto MPGデータセットでデータを分割・検査し、自動車の燃費を予測する方法

TensorFlowとは

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するために広く使われています。研究用途から本番環境まで幅広く活用されており、複雑な数学的演算を高速に実行するための最適化技術を備えているのが特徴です。これは内部でNumPyと多次元配列を利用しているためで、この多次元配列は「テンソル（tensor）」と呼ばれます。

TensorFlowは深層ニューラルネットワークの構築をサポートしており、高いスケーラビリティを持つほか、多くの有名なデータセットも同梱されています。

テンソルとは

テンソルはTensorFlowで使われる基本的なデータ構造です。フロー図（「データフローグラフ」と呼ばれます）におけるエッジ同士をつなぐ役割を果たします。テンソルの中身は、多次元配列あるいはリストそのものです。

回帰問題の目的

回帰問題の狙いは、価格や確率、雨が降るかどうかといった連続変数・離散変数の出力値を予測することです。今回のテーマである「燃費の予測」も、典型的な回帰問題の一つと言えます。

Auto MPGデータセットについて

ここで使用するのは「Auto MPG」データセットです。1970年代〜1980年代の自動車の燃費データを収録しており、車両重量、馬力、排気量などの属性が含まれています。これらの特徴量をもとに、特定の車両の燃費（MPG）を予測していきます。

実行環境：Google Colaboratory

以下のコードはGoogle Colaboratory（Colab）上で実行しています。Colabを使えば、ブラウザ上でPythonコードを実行でき、面倒な環境設定は一切不要です。さらにGPU（グラフィックス処理ユニット）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。

それでは、TensorFlowを使ってAuto MPGデータセットのデータを分割・検査し、燃費を予測するためのコードを見ていきましょう。

コード例

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()

コード引用元： https://www.tensorflow.org/tutorials/keras/regression

出力結果

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

コードの解説

• データの分割： データのクリーニングが完了したら、まずデータを訓練用データセットとテスト用データセットに分割します。sample(frac=0.7)により、全体の70%を訓練データとして抽出し、残りの30%をdrop()でテストデータとしています。random_state=0を指定することで、実行するたびに同じ分割結果が得られるようになります。

• データの可視化： seabornパッケージのpairplot関数を使って、MPG（燃費）、シリンダー数、排気量、重量の関係を散布図行列として可視化します。diag_kind='kde'を指定すると、対角成分にカーネル密度推定のグラフが表示され、各変数の分布を把握しやすくなります。

• 統計情報の確認： describe()関数を使うことで、件数（count）、平均値（mean）、中央値（50%）、標準偏差、最小値・最大値などの統計量を一覧形式で確認できます。transpose()で行と列を入れ替えることで、読みやすい表形式になります。

このように、モデルを構築する前にデータを適切に分割し、可視化や統計量の確認を通じてデータの特性を理解しておくことは、精度の高い燃費予測モデルを作るための重要な第一歩となります。