TensorFlowを使用したAutoMPGデータセットを使用して、データをクリーンアップ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。

「tensorflow」パッケージは、以下のコード行を使用してWindowsにインストールできます-

pip install tensorflow

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。

Google Colaboratoryを使用して、以下のコードを実行しています。 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を使用してAutoMPGデータセットで燃料効率を予測するためにデータをクリーンアップする方法を示すコードスニペットです-

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)

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

出力

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

説明

• データのクリーニングは、データセットに存在する「nan」を削除することから始まります。

• 「マップ」関数は、ラベルを列名にマップするために使用されます。

• データクリーニング後のデータセットのサンプルがコンソールに表示されます。