如何使用 TensorFlow 在 Auto MPG 資料集上預測 MPG 值的 DNN（深度神經網路）模型？

Tensorflow 是 Google 提供的一個機器學習框架。它是一個開源框架，與 Python 結合使用以實現演算法、深度學習應用程式等等。它用於研究和生產目的。張量是 TensorFlow 中使用的資料結構。它有助於連線流圖中的邊。此流圖稱為“資料流圖”。張量只不過是多維陣列或列表。

可以使用以下程式碼行在 Windows 上安裝“tensorflow”包：

pip install tensorflow

迴歸問題的目標是預測連續或離散變數的輸出，例如價格、機率、是否會下雨等等。

我們使用的資料集稱為“Auto MPG”資料集。它包含 1970 年代和 1980 年代汽車的燃油效率。它包括重量、馬力、排量等屬性。透過此，我們需要預測特定車輛的燃油效率。

我們使用 Google Colaboratory 來執行以下程式碼。Google Colab 或 Colaboratory 幫助透過瀏覽器執行 Python 程式碼，並且無需任何配置即可免費訪問 GPU（圖形處理單元）。Colaboratory 建立在 Jupyter Notebook 之上。以下是程式碼片段：

。

示例

print("Model is being built and compiled")
dnn_model = build_compile_model(normalizer)
print("The statistical summary is displayed ")
dnn_model.summary()

print("The data is being fit to the model")
history = dnn_model.fit(
   train_features, train_labels,
   validation_split=0.2,
   verbose=0, epochs=100)
print("The error versus epoch is visualized")
plot_loss(history)
print("The predictions are being evaluated")
test_results['dnn_model'] = dnn_model.evaluate(test_features, test_labels, verbose=0)

pd.DataFrame(test_results, index=['Mean absolute error [MPG]']).T

程式碼來源 - https://www.tensorflow.org/tutorials/keras/regression