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
法学如何基于Auto MPG数据集使用TensorFlow评估模型？
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，用于实现算法、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中使用的数据结构。它有助于连接流图中的边。此流图称为“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1970年代和1980年代汽车的燃油效率。它包括重量、马力、排量等属性。有了这些，我们需要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有助于在浏览器上运行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。以下是代码片段：
示例
def plot_loss(history):
plt.plot(history.history['loss'], label='loss')
plt.plot(history.history['val_loss'], label='val_loss')
plt.ylim([0, 10])
plt.xlabel('Epoch')
plt.ylabel('Error [MPG]')
plt.legend()
plt.grid(True)
plot_loss(history)
test_results = {}
test_results['hrspwr_model'] = hrspwr_model.evaluate(
test_features['Horsepower'],
test_labels, verbose=0)代码来源 − https://tensorflowcn.cn/tutorials/keras/regression
输出
解释
“evaluate”函数用于了解模型对从未见过的数据的泛化程度。
此数据在控制台上可视化。
更新于：2021年1月20日
77 次浏览
广告