如何使用TensorFlow对Auto MPG数据集进行模型拟合?

TensorFlow是由Google提供的机器学习框架。它是一个开源框架，可与Python一起使用来实现算法、深度学习应用程序等等。它用于研究和生产目的。

以下代码行可在Windows上安装‘tensorflow’包：

pip install tensorflow

张量是TensorFlow中使用的数据结构。它有助于在流程图中连接边缘。这个流程图被称为”数据流图”。张量就是多维数组或列表。

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。

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。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 可以在浏览器中运行Python代码，并且不需要任何配置，并且可以免费访问图形处理器(Graphical Processing Units)。Colaboratory 建立在 Jupyter Notebook 之上。代码片段如下：

更多Python相关文章，请阅读：Python 教程

示例

print("The training data is being fit to the model ")
history = hrspwr_model.fit(
train_features['Horsepower'], train_labels,
epochs=150,
verbose=0,
validation_split = 0.3)

hist = pd.DataFrame(history.history)
hist['epoch'] = history.epoch
hist.tail()

代码来源 ：https://www.tensorflow.org/tutorials/keras/regression