Tensorflow는 Google에서 제공하는 기계 학습 프레임워크입니다. 알고리즘, 딥 러닝 애플리케이션 등을 구현하기 위해 Python과 함께 사용되는 오픈 소스 프레임워크입니다. 연구 및 생산 목적으로 사용됩니다. Tensor는 TensorFlow에서 사용되는 데이터 구조입니다. 흐름도에서 가장자리를 연결하는 데 도움이 됩니다. 이 흐름도를 '데이터 흐름 그래프'라고 합니다. 텐서는 다차원 배열 또는 목록에 불과합니다.
'tensorflow' 패키지는 아래 코드 줄을 사용하여 Windows에 설치할 수 있습니다 -
pip install tensorflow
회귀 문제의 목적은 가격, 확률, 비가 올지 여부 등과 같은 연속형 또는 이산형 변수의 출력을 예측하는 것입니다.
우리가 사용하는 데이터셋을 'Auto MPG' 데이터셋이라고 합니다. 1970년대와 1980년대 자동차의 연비를 담고 있습니다. 여기에는 무게, 마력, 변위 등과 같은 속성이 포함됩니다. 이를 통해 특정 차량의 연비를 예측해야 합니다.
Google Colaboratory를 사용하여 아래 코드를 실행하고 있습니다. Google Colab 또는 Colaboratory는 브라우저에서 Python 코드를 실행하는 데 도움이 되며 구성이 필요 없고 GPU에 대한 무료 액세스가 필요합니다.
(그래픽 처리 장치). Colaboratory는 Jupyter Notebook 위에 구축되었습니다. 다음은 코드 조각입니다 -
예시
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 코드 크레딧 - https://www.tensorflow.org/tutorials/keras/regression
출력
설명
-
모델이 빌드되고 컴파일됩니다.
-
개수, 평균, 중앙값 등의 통계값은 '요약' 기능을 사용하여 표시됩니다.
-
이 컴파일된 모델은 데이터에 적합합니다.
-
콘솔에 단계 수 대 예측 오류의 시각화가 표시됩니다.
-
선형 회귀에 비해 DNN을 사용하는 것이 좋습니다.