TensorFlowとAuto MPGデータセットでデータをクリーンアップして燃費を予測する方法

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の実装やディープラーニングアプリケーションの開発など、幅広い用途に活用できます。

「tensorflow」パッケージは、Windows環境では以下のコマンドでインストールできます。

pip install tensorflow

テンソル（Tensor）とは、TensorFlowで使用される基本的なデータ構造です。計算の流れを表すフロー図のエッジ（辺）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。テンソルの中身は、多次元配列あるいはリストに相当します。

回帰問題の目的は、価格や確率、雨が降るかどうかなど、連続値や離散値の出力を予測することです。

本記事で使用するのは「Auto MPG」データセットです。このデータセットには、1970年代から1980年代の自動車の燃費データが収録されており、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、面倒な環境構築が不要なうえ、GPU（Graphical Processing Unit）にも無料でアクセス可能です。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クリーニングし、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("Data cleaning has begun")
dataset.isna().sum()
dataset = dataset.dropna()
dataset['Origin'] = dataset['Origin'].map({1: 'USA', 2: 'Europe', 3: 'Japan'})

print("Data cleaning complete!")
dataset = pd.get_dummies(dataset, prefix='', prefix_sep='')

print("A sample of dataset after data cleaning :")
dataset.head(4)

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

出力結果

Data cleaning has begun
Data cleaning complete!
A sample of dataset after data cleaning −

解説

• データクリーニングは、まずisna().sum()で各列の欠損値（NaN）の数を確認し、dropna()によって欠損値を含む行を削除するところから始まります。欠損値が残ったまま学習を行うと、モデルの精度低下やエラーの原因になるため、事前の除去が重要です。

• 「Origin」列には元々1・2・3という数値コードが格納されていますが、map関数を使って「USA」「Europe」「Japan」という国名ラベルへ変換しています。これにより、データの意味が把握しやすくなります。

• その後、pd.get_dummies()によるOne-hotエンコーディングを実施しています。これはカテゴリ変数を「USA」「Europe」「Japan」のような0と1のダミー列に展開する処理で、機械学習モデルが数値データとして扱えるようにするために必要な前処理です。

• 最後に、クリーニング後のデータセットの先頭4行をhead(4)で表示し、処理結果を目視で確認しています。

このように、欠損値の除去とカテゴリ変数のエンコードという2つの基本ステップを踏むことで、回帰モデルに入力できる整形済みデータが完成します。クリーニング済みのデータは、そのままTensorFlowのKeras APIなどを用いた燃費予測モデルの学習に活用できます。