如何使用 TensorFlow 将数据导入到 Auto MPG 数据集中以预测燃油效率（基本回归）？

TensorFlow 是 Google 提供的一个机器学习框架。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。它用于研究和生产目的。

可以使用以下代码行在 Windows 上安装 “tensorflow” 包：

pip install tensorflow

张量是 TensorFlow 中使用的一种数据结构。它有助于连接数据流图中的边。此数据流图称为“数据流图”。张量只不过是多维数组或列表。

回归问题的目标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。通过这些，我们需要预测特定车辆的燃油效率。

我们使用 Google Colaboratory 来运行以下代码。Google Colab 或 Colaboratory 帮助在浏览器上运行 Python 代码，无需任何配置，并可免费访问 GPU（图形处理单元）。Colaboratory 建立在 Jupyter Notebook 之上。

以下是使用 Auto MPG 数据集预测燃油效率的代码：

示例

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 = 'http://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)

代码来源 − https://tensorflowcn.cn/tutorials/keras/regression

输出

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

解释

• 导入并为所需的包设置别名。

• 加载数据，并为其定义列名。

• 在控制台上显示数据集的样本。

AmitDiwan

更新于：2021年1月20日

407 次浏览

开启你的职业生涯

完成课程获得认证

开始学习