資料結構
網路
關係資料庫管理系統
作業系統
Java
MS Excel
iOS
HTML
CSS
Android
Python
C 程式設計
C++
C#
MongoDB
MySQL
Javascript
PHP
物理學
化學
生物學
數學
英語
經濟學
心理學
社會學
服裝設計
法律研究如何使用 TensorFlow 對 Auto MPG 資料集進行預測？
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。它們可以透過三個主要屬性來識別
秩 - 它告訴張量的維數。可以理解為張量的階數或已定義的張量中的維數。
型別 - 它告訴張量元素關聯的資料型別。它可以是一維、二維或 n 維張量。
形狀 - 它是行數和列數的總和。
迴歸問題的目的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。有了這些，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 幫助在瀏覽器上執行 Python 程式碼，無需任何配置，並且可以免費訪問 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("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)程式碼來源 - https://www.tensorflow.org/tutorials/keras/regression
輸出
解釋
對“MPG”進行預測。
使用“matplotlib”繪製實際值和預測值。
將模型的預測視為輸入資料的函式。
更新於： 2021年1月20日
105 次檢視
廣告