数据结构
网络
关系数据库管理系统 (RDBMS)
操作系统
Java
MS Excel
iOS
HTML
CSS
Android
Python
C语言编程
C++
C#
MongoDB
MySQL
Javascript
PHP
物理学
化学
生物学
数学
英语
经济学
心理学
社会学
服装学
法学如何使用TensorFlow清洗数据，并利用Auto MPG数据集预测燃油效率？
TensorFlow是谷歌提供的机器学习框架。它是一个开源框架，与Python结合使用，可以实现算法、深度学习应用程序等等。
可以使用以下代码行在Windows上安装“tensorflow”包：
pip install tensorflow
张量是TensorFlow中使用的数据结构。它有助于连接数据流图中的边。这个数据流图被称为“数据流图”。张量只不过是多维数组或列表。
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、是否下雨等等。
我们使用的数据集称为“Auto MPG”数据集。它包含1970年代和1980年代汽车的燃油效率。它包括重量、马力、排量等等属性。我们需要根据这些数据预测特定车辆的燃油效率。
我们使用Google Colaboratory运行以下代码。Google Colab或Colaboratory帮助在浏览器上运行Python代码，无需任何配置，并且可以免费访问GPU（图形处理单元）。Colaboratory构建在Jupyter Notebook之上。
以下代码片段将展示如何使用TensorFlow清洗数据，并利用Auto MPG数据集预测燃油效率：
示例
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)代码来源 − https://tensorflowcn.cn/tutorials/keras/regression
输出
Data cleaning has begun Data cleaning complete! A sample of dataset after data cleaning −
| MPG | 气缸数 | 排量 | 马力 | 重量 | 加速 | 车型年份 | 欧洲 | 日本 | 美国 | |
|---|---|---|---|---|---|---|---|---|---|---|
| 0 | 18.0 | 8 | 307.0 | 130.0 | 3504.0 | 12.0 | 70 | 0 | 0 | 1 |
| 1 | 15.0 | 8 | 350.0 | 165.0 | 3693.0 | 11.5 | 70 | 0 | 0 | 1 |
| 2 | 18.0 | 8 | 318.0 | 150.0 | 3436.0 | 11.0 | 70 | 0 | 0 | 1 |
| 3 | 16.0 | 8 | 304.0 | 150.0 | 3433.0 | 12.0 | 70 | 0 | 0 | 1 |
解释
数据清洗首先删除数据集中存在的“nan”值。
使用“map”函数将标签映射到列名。
数据清洗后，数据集的样本显示在控制台上。
更新于：2021年1月20日
134 次浏览
广告