Tensorflow는 Google에서 제공하는 기계 학습 프레임워크입니다. 알고리즘, 딥 러닝 애플리케이션 등을 구현하기 위해 Python과 함께 사용되는 오픈 소스 프레임워크입니다. 연구 및 생산 목적으로 사용됩니다. 복잡한 수학 연산을 빠르게 수행하는 데 도움이 되는 최적화 기술이 있습니다. NumPy와 다차원 배열을 사용하기 때문입니다. 이러한 다차원 배열은 '텐서'라고도 합니다. 이 프레임워크는 심층 신경망 작업을 지원합니다. 확장성이 뛰어나며 많은 인기 있는 데이터 세트와 함께 제공됩니다.
Tensor는 TensorFlow에서 사용되는 데이터 구조입니다. 흐름도에서 가장자리를 연결하는 데 도움이 됩니다. 이 흐름도를 '데이터 흐름 그래프'라고 합니다. 텐서는 다차원 배열 또는 목록에 불과합니다.
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 브라우저를 통해 Python 코드를 실행하는 데 도움이 되며 구성이 필요 없고 GPU(그래픽 처리 장치)에 대한 무료 액세스가 필요합니다. Colaboratory는 Jupyter Notebook을 기반으로 구축되었습니다.
다음은 TensorFlow를 사용하여 Auto MPG 데이터 세트로 연료 효율성을 예측하기 위해 데이터를 분할하고 검사하는 방법을 보여주는 코드 스니펫입니다. -
예시
print("Splitting the training and testing dataset")
train_dataset = dataset.sample(frac=0.7, random_state=0)
test_dataset = dataset.drop(train_dataset.index)
print("Plotting the training data as a visualization")
sns.pairplot(train_dataset[['MPG', 'Cylinders', 'Displacement', 'Weight']], diag_kind='kde')
print("Understanding the statistics associated with the data")
train_dataset.describe().transpose() 코드 크레딧 - https://www.tensorflow.org/tutorials/keras/regression
출력
Splitting the training and testing dataset Plotting the training data as a visualization Understanding the statistics associated with the data
설명
-
데이터가 정리되면 데이터는 학습 데이터 세트와 테스트 데이터 세트로 분할됩니다.
-
데이터의 70%는 교육에 사용되고 나머지 30%는 테스트에 사용됩니다.
-
이 훈련 데이터는 seaborn 패키지를 사용하여 콘솔에서 시각화됩니다.
-
개수, 평균, 중앙값 등의 데이터 통계는 '설명' 기능을 사용하여 표시됩니다.