TensorFlow×Auto MPGデータセットで燃費を予測する基本回帰 ― データのインポート方法を解説

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。研究用途から本番環境まで、多くの現場で採用されている実績のあるフレームワークです。

Windowsに「tensorflow」パッケージをインストールするには、以下のコマンドを実行します。

pip install tensorflow

テンソル（Tensor）は、TensorFlowにおける基本的なデータ構造です。フロー図の中のエッジ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。テンソルとは、要するに多次元配列またはリストのことです。

回帰問題の目的は、価格や確率、「雨が降るかどうか」のような連続値・離散値の出力を予測することにあります。

ここで使用するデータセットは「Auto MPG」です。1970年代〜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。このデータをもとに、特定の車両の燃費効率を予測していきます。

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、面倒な事前設定が不要なうえ、GPUへの無料アクセスも可能です。ColaboratoryはJupyter Notebookをベースに構築されています。

それでは、Auto MPGデータセットを使って燃費効率を予測するためのコードを見ていきましょう。

コード例

import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
import seaborn as sns

np.set_printoptions(precision=3, suppress=True)

import tensorflow as tf

from tensorflow import keras
from tensorflow.keras import layers
from tensorflow.keras.layers.experimental import preprocessing
print("The version of tensorflow is ")
print(tf.__version__)

url = 'https://archive.ics.uci.edu/ml/machine-learning-databases/auto-mpg/auto-mpg.data'
column_names = ['MPG', 'Cylinders', 'Displacement', 'Horsepower', 'Weight', 'Acceleration', 'Model Year', 'Origin']
print("The data is being loaded")
print("The column names have been defined")
raw_dataset = pd.read_csv(url, names=column_names, na_values='?', comment='\t', sep=' ', skipinitialspace=True)

dataset = raw_dataset.copy()
print("A sample of the dataset")
dataset.head(2)

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

出力結果

The version of tensorflow is
2.4.0
The data is being loaded
The column names have been defined
A sample of the dataset

解説

• まず、matplotlib・numpy・pandas・seabornといった必要なライブラリをインポートし、それぞれ短い別名（エイリアス）を付けて扱いやすくしています。

• 続いてTensorFlow本体とKeras APIを読み込み、tf.__version__で使用中のTensorFlowのバージョンを確認しています。

• UCI Machine Learning Repositoryから公開されているAuto MPGデータのURLを指定し、pandasのread_csv()を使って読み込みます。na_values='?'により「?」を欠損値として扱い、comment='\t'でタブ以降のコメント行を除外、さらにsep=' 'とskipinitialspace=Trueでスペース区切りの形式に対応させています。

• 読み込んだデータには「MPG」「Cylinders」「Displacement」「Horsepower」などの列名が定義され、dataset.head(2)によって先頭2行のサンプルがコンソールに表示されます。

• これで、後段の前処理やモデル構築に進むための準備が整いました。