如何使用 TensorFlow 对 Auto MPG 数据集进行预测?

pythonserver side programmingprogrammingtensorflow

Tensorflow 是 Google 提供的机器学习框架。它是一个开源框架，与 Python 结合使用，用于实现算法、深度学习应用程序等。它用于研究和生产目的。

Tensor 是 TensorFlow 中使用的数据结构。它有助于连接流程图中的边缘。此流程图称为"数据流图"。张量不过是多维数组或列表。可以使用三个主要属性来识别它们:

等级− 它说明了张量的维数。它可以理解为张量的顺序或已定义的张量中的维数。
类型−它说明了与张量元素相关的数据类型。它可以是一维、二维或 n 维张量。
形状− 它是行数和列数的总和。

回归问题的目的是预测连续或离散变量的输出，例如价格、概率、是否会下雨等等。

我们使用的数据集称为"Auto MPG"数据集。它包含 20 世纪 70 年代和 80 年代汽车的燃油效率。它包括重量、马力、排量等属性。通过它，我们需要预测特定车辆的燃油效率。

我们正在使用 Google Colaboratory 运行以下代码。 Google Colab 或 Colaboratory 可帮助在浏览器上运行 Python 代码，无需配置，可免费访问 GPU(图形处理单元)。Colaboratory 是在 Jupyter Notebook 之上构建的。以下是代码片段 −

示例

print("Predictions being viewed as a function of input variable")
x = tf.linspace(0.0, 250, 251)
y = hrspwr_model.predict(x)

def plot_horsepower(x, y):
   plt.scatter(train_features['Horsepower'], train_labels, label='Actual Values')
   plt.plot(x, y, color='g', label='Prediction')
   plt.xlabel('Horsepower')
   plt.ylabel('MPG')
   plt.legend()

plot_horsepower(x,y)

代码来源 − https://www.tensorflow.org/tutorials/keras/regression